滴滴26届正式批-数据分析工程师-自动驾驶
任职要求
1、2026届毕业生，本科及以上学历，数学、统计学、计算机、电子、自动化、控制、信息专业等专业优先 2、具有良好的逻辑分析能力，扎实的统计学基础，对数字具有敏感性，较强的问题解决能力、推动能力 3、具备数据分析、数据开发、数据挖掘的项目和实习经验。
工作职责
以数据为尺，量化评估自动驾驶能力，获得的机会： 有明确的落地场景和真实的海量数据，每一个进步都影响着未来出行的形态 积极，友善，有热情的团队，和优秀的同学一起工作。 1、指标体系：理解自动驾驶业务需求，深入业务本身负责或参与梳理业务流程，设计指标体系和数据链路，并进行开发和实现 2、场景挖掘：利用大数据技术和AI能力，自动挖掘路测和人驾数据中高价值交通场景，为算法迭代和评估提供数据基础 3、自动驾驶算法评估体系：开发自动化评价标准，对路测和仿真中自动驾驶算法的表现进行客观评价 4、异动分析：对自动驾驶测试数据进行汇总与分析，进行数据变化的归因，利用统计原理发现算法异常或场景变化。
您将加入滴滴自动驾驶团队，解决自动驾驶系统这一项复杂的人工智能方向问题。仿真团队的主要工作内容是设计实现一个虚拟仿真系统，实现构建、运行和评估海量的驾驶场景，以高效、安全地验证和迭代自动驾驶系统的性能与可靠性。1、以海量真实路测数据为基础，依托深度学习与大模型技术，构建场景理解和挖掘能力 2、应用先进的深度学习算法，构建自动驾驶中智能体的表现评估体系 3、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。
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。