滴滴27届秋储-自动驾驶系统测试工程师
任职要求
1、27届毕业生，计算机、电子工程等相关专业本科及以上学历。对自动驾驶、机器人等高可靠系统领域感兴趣优先 2、深入理解：自动驾驶系统运行机制、Linux内核核心原理（调度/内存/文件系统）及主流自动驾驶中间件（ROS2/DDS或CyberRT） 3、熟练掌握：硬件在环（HIL）和车辆在…
工作职责
1. 利用HIL、VIL等设备，主导开展系统级集成与稳定性测试，重点发现并深度调试偶发性Crash、死锁、内存泄漏等复杂问题 2. 开展系统级性能专项测试与分析，定位从应用到内核的端到端延迟、资源瓶颈等性能衰减根因 3. 深入中间件（ROS 2/DDS/CyberRT）与Linux内核层，设计测试以验证通信可靠性、资源调度及实时性，并诊断相关故障 4. 构建并维护基于HIL/VIL的自动化测试与深度测试平台，开发底层性能监控、系统问题triage 与故障注入工具链。
作为感知团队的一员，你将与国内外顶尖人才一起，研究和开发自动驾驶领域的前沿算法，直接赋能 L4 Robotaxi 的大规模部署。你将面向真实城市道路场景中的多样化挑战，利用多模态传感器（LiDAR、Camera、Radar 等）设计、开发并优化感知算法，解决物体识别、障碍物检测、场景理解、意图预测与大模型赋能等核心问题。在这里，你将有机会：1. 与中美两地的优秀工程师和科学家合作，参与世界级的技术竞争 2. 深入研究并推动最前沿的学术成果在产业中的落地 3. 在全球最大出行平台之一的业务场景中，实现科研成果的规模化应用。 你将在导师指导下选定一个或多个方向，参与感知从研发到落地、从算法到系统的端到端工作。1. 物体识别与跟踪：1）设计并实现基于 LiDAR / Camera / Radar 的多模态检测模型，识别车辆、行人、自行车、静态障碍物、交通标志等 2）提升精度、召回率与抗扰性（抗遮挡、夜间、恶劣天气、长尾类别） 2. 通用障碍物识别：1）识别未知类别 /未训练类别的障碍物 2）基于异常检测 /开放类别识别的算法研究与工程实现 3）在非结构化环境（施工区域、道路损坏、落物等）中提升鲁棒性 3. 场景和意图理解：1）语义分割、实例分割、道路 /车道/交通标志/交通灯等结构物识别 2）场景理解，例如施工区域识别、可通行区域识别等 3）意图理解，例如行人动作识别、起步意图识别等 4）交互和事件识别，例如多方交互、交通规则冲突、非规范驾驶行为等 4. 感知大模型 /多模态：1）探索或应用预训练多模态大模型，将视觉、语言、地图/文本信息融合以增强感知能力 2）零样本 / 少样本 / 跨域泛化的策略研发 3）将大模型成果迁移到真实车队感知系统中，提升复杂场景下的鲁棒性 5. 模型评估、验证：1）构建完整的评估管道，包括离线评估 + 真实道路 + 模拟环境测试，支持回归检测与性能监控 2）指标体系设计 (Precision, Recall, IoU, latency, false positives rate 等)。
1、应用先进的深度学习技术，解决自动驾驶中智能体的行为理解、预测和规划问题 2、研究和发展创新性的 VLM 和 VLA 模型，用以实时理解和预测其他交通参与者的行为，并做出合理运动规划 3、设计和优化基于AI 算法的在线预测和规划系统，增强系统的实时性和鲁棒性 4、开发和完善模型训练的离线系统，包括数据挖掘、数据处理，和模型评估及可视化。
1、自动驾驶算法能力评估（Metrics）：设计如何评价自动驾驶能力的评估标准，开发评估算法和规则，对海量数据进行挖掘和提取，对自动驾驶算法的表现进行客观评价 2、场景挖掘：利用大数据技术和AI能力，自动提取测试数据中高价值的交通场景 3、数据分析和指标体系：深入自动驾驶技术和运营业务设计指标体系，开发相关的数据链路 对自动驾驶测试数据进行汇总与分析，利用统计原理发现数据变化的关键要素。
1、参与自动驾驶解决方案集成过程中分层测试的方案设计和实施 2、参与搭建自动驾驶能力评估体系，驱动自动驾驶能力提升 3、参与搭建仿真测试场景，加速自动驾驶测试与评估 4、参与道路测试数据挖掘，建立测试标准，智能化评估道路测试 5、协助搭建测试全流程测试质量效率提升工具链，提升自动驾驶测试过程效率。