地平线决策规划算法工程师/专家（泊车）
任职要求
1.硕士或以上学历，计算机、自动化、车辆工程或相关专业 2.熟悉Linux、ROS等开发环境，具有扎实的C++编码能力 3.熟悉非线性优化、DP、QP、混合A*等经典决策规划算法；了解掌握前沿的端到端技术路线和算法 4.有…
工作职责
1. 负责停车场工况辅助驾驶系统行为决策、路径规划和运动控制算法开发 2.针对量产平台进行算法工程化及调试，参与工程化项目开发，分析泛化问题，并设计优化和解决方案跟进日常路 测问题 3.负责关注国际前沿动态，掌握泊车决策控制算法的发展
【工作职责】： 1. 负责记忆泊车HPA行为决策、路径规划算法设计、开发及性能迭代 2.针对量产平台进行算法工程化及调试，参与工程化项目开发，分析泛化问题，并设计优化和解决方案跟进日常路 测问题 3.负责关注国际前沿动态，掌握HPA决策控制算法的发展 【加分项】： 1.有端到端、两段式架构HPA规控开发经验的优先 2.具备快速的学习能力和意愿，良好的沟通表达能力，良好的分析解决问题的能力，有抗压能力
1. 负责城区、高速、停车场等工况辅助驾驶系统行为决策、路径规划和运动控制算法开发 2.基于海量数据驱动的一段式端到端，两段式规控算法开发 3.负责城区、高速辅助驾驶规控模型后处理兜底和优化算法开发 4.针对量产平台进行算法工程化及调试，参与工程化项目开发，分析泛化问题，并设计优化和解决方案跟进日常路测问题 5.负责关注国际前沿动态，掌握决策控制算法的发展
1. 负责基于强化学习（如Online/Offline RL、Model-based RL）的自动驾驶行为决策与运动规划算法研发，重点解决结构化道路（高速、城市快速路）及非结构化场景（自动泊车）中的动态交互与博弈问题； 2. 针对复杂动态场景（密集车流、无保护路口、人车混流），设计基于数据驱动的决策规划算法，通过大规模分布式训练系统提升策略的智能性、安全性及泛化能力； 3. 构建与迭代仿真环境（如CARLA、NVIDIA Isaac）与世界模型，推动强化学习策略的仿真训练与实车迁移（Sim2real），形成“真实数据→仿真训练→实车验证”的闭环优化； 4. 参与全栈自动驾驶决策控制系统的开发，对接感知、预测、端到端模块，实现基于强化学习的决策规划算法在车载平台上的部署、性能优化与实车路测； 5. 跟踪强化学习在自动驾驶领域的前沿进展（如大模型与RL结合、逆强化学习、多智能体博弈），进行技术预研与算法创新，推动研究成果在量产项目中的应用与落地。
【工作职责】： 1. 负责城区、高速、停车场等工况辅助驾驶系统行为决策、路径规划算法开发 2.基于海量数据驱动的一段式端到端，两段式规控算法开发 3.负责城区、高速辅助驾驶规控模型后处理兜底和优化算法开发 4.针对量产平台进行算法工程化及调试，参与工程化项目开发，分析泛化问题，并设计优化和解决方案跟进日常路 测问题 5.负责关注国际前沿动态，掌握决策规划算法的发展