滴滴26届正式批-数据算法工程师-自动驾驶
任职要求
1、2026届毕业生，计算机、人工智能等相关专业硕士或博士学位优先 2、熟悉机器学习相关算法，熟练利用流行的ML框架，比如JAX, PyTorch, or TensorFlow 3、熟练掌握Python/C++，具有很强的代码开发与实践能力 4、搭建大规模数据平台，了解分布式系统，具备大规模批处理能力 5、具有ML 评估，量化，优化，设计产品化评估体系的意识。
工作职责
1、基于海量的路测和仿真数据，利用统计和机器学习技术，研究并制定自动驾驶系统评估方法 2、熟悉常用模型的基本原理和优缺点，针对复杂模型提出有效评估方法论 3、基于自车的驾驶行为和运行的交通环境，推进系统安全和合规相关指标的落地实现 4、与产品、研发、工具、测试等团队合作，开发评估指标与能力来指引自动驾驶算法开发者开发。
自动驾驶中，规划相关团队的工作内容包括设计实现自动驾驶系统的交互建模，决策规划和轨迹生成，安全冗余系统，例如路径规划、决策交互、轨迹生成、安全兜底等，同时也支持各类为全无人车辆设计的产品功能。我们的目标是构建AI算法和安全的算法及软件架构，帮助无人车更加安全、舒适及高效。1、 在智能驾驶应用场景中研发和部署车辆路径规划与控制系统 、路径规划、远程协助系统、部署冗余系统 2、研发机器人相关算法，包括行为预测，交互建模，轨迹搜索生成、路径规划、控制理论、轨迹安全评估、紧急躲避和车辆控制等 3、积极从事规划算法或技术探索创新，共同推动无人驾驶技术的发展与落地 4、与汽车厂商或其他研究机构合作研发智能控制车辆。
自动驾驶中，感知团队的职责是根据传感器和高精地图的信息，对周围环境进行识别和理解，并对自车进行定位。在这里，你将研究和设计相关领域前沿算法，包括目标检测、分割、跟踪、场景理解、定位、模型压缩加速、基于大模型的数据挖掘与合成、半监督自监督、传感器标定等算法，直接赋能L4 无人车的大规模落地，创造社会价值和商业价值。一些项目包括： 1、感知大模型: 基于俯视图的多模态（激光雷达/相机）大模型，可支持多种任务，比如常见目标的检测、分割等 2、占据空间: 一种通用的目标检测方法，将周围环境抽象为占据、非占据的空间，解决开放世界层出不穷的异形物体识别问题，兜底感知召回能力，保证自车安全 3、端到端跟踪: 用基于深度学习的方法，替代经典的匈牙利匹配+卡尔曼滤波算法，通过数据驱动提升性能 4、场景理解: 通过编码周围环境中智能体和智能体、地图和地图、以及智能体和地图的交互关系，实现对相应场景的理解 (比如施工区连接、智能体是否是长停的车)，直接影响自车行为（避让、跟随等） 5、基于大模型的数据挖掘/合成：调研和应用各种大模型，挖掘或合成高价值场景，提升模型相应场景表现 6、半监督自监督：调研和开发各种高效算法，降低模型对标注数据的依赖。
端到端自动驾驶大模型是当前工业界与学术界的研究热点，它通过数据驱动与科学建模，从原始传感器数据出发，直接预测自车未来行为，是AI与自动驾驶融合的综合应用。1、以海量真实数据为基础，依托计算机视觉、深度学习与大模型技术，构建面向真实世界的一体化决策规划模型 2、在端到端自动驾驶模型的设计与优化中，研究方向包括但不限于：端到端自动驾驶大模型优化、多模态融合与感知场景理解、大语言模型(VLM)驱动的复杂场景理解、基于扩散模型的预测与规划行为生成、三维空间表征与自监督预训练、 强化学习与人类行为偏好对齐等。
结合多源数据，打造高精度、高可靠性、低延迟的自动驾驶定位系统。包括但不限于： 1、结合业界前沿技术，如3D视觉、SLAM等，研发基于多源数据融合的定位算法，并负责将算法落地到自动驾驶汽车上 2、基于海量数据，打造自动化的定位数据闭环系统，提高系统迭代的效率和算法的泛化性 3、联合硬件、系统等团队，充分挖掘GNSS、IMU、里程计、视觉等传感器潜能，突破定位精度上限。