地平线决策规划算法工程师/专家（泊车）

1. 负责自动驾驶汽车在结构化道路（如高速、城市快速路）及非结构化场景（如自动泊车）中的行为决策与运动规划算法研发，设计安全、舒适且符合交规的行驶策略； 2. 负责复杂动态场景（如密集车流切入切出、无保护路口、人车混流）的处理策略设计、算法实现与迭代优化，提升系统的智能性和可靠性； 3. 对接上游感知、定位模块和下游车辆控制模块，进行系统集成与联合调试，确保决策规划模块与整个自动驾驶系统协同稳定工作； 4. 负责算法的实车部署、车载嵌入式平台性能优化、仿真测试及大规模路测验证，支持量产项目的落地应用； 5. 持续跟踪业界前沿技术（如数据驱动、强化学习、大模型在规划中的应用），进行技术预研和算法创新，保持技术竞争力。

高精地图和定位团队介绍 如果将无人车和人脑类比，高精地图和定位系统大致对应于后者中掌管空间记忆、感知和定位的部分。它的使命是为无人车提供翔实准确的道路3D几何和语义信息，让无人车对行驶环境了如指掌，从而在其中行动自如，我们同时还负责提供高速、精准的3D定位，让车辆每时每刻都知晓当前的精确位置。高精地图和定位在无人车技术栈中占据着非常重要的位置，感知、规划、控制、仿真等各大模块都要依赖它提供的道路环境以及车辆位置的信息对周围世界进行理解，做出正确的决策。文远知行的高精地图和定位团队和公司一起成长，完全自主构建了大规模高精地图，覆盖中美多个城市超过3000公里道路，提供精确达厘米级的3D结构数据以及车道线、交通信号等大量语义信息。自行研发的定位技术，基于激光雷达、相机、卫星及惯性导航等多传感器融合，能提供实时的厘米级定位，成功实现了在暴雨中自动驾驶穿越1.5公里长隧道。 在人工智能的应用中，高精地图和定位是比较独特的。我们知道，计算机视觉作为人工智能的重要分支，其核心问题分为语义理解和几何理解两大类，前者以解析图像中物体或场景的语义信息为目的，后者的目标则是重构3D场景以及对物体进行3D定位。在高精地图和定位系统中，恰恰这两大类技术都有着非常关键的应用。除此之外，我们还是高精度卫星、惯性导航等硬件的重度用户，多模态信号处理和融合更是我们的核心技术之一。因此，这是一个多学科高度综合的应用，无论你精通深度学习等机器学习技术，还是专攻3D重建、SLAM，又或是信号处理、多传感器融合高手，这里都有你一展身手的广阔空间。同时，我们致力搭建大规模、高可用的高精度地图系统，大数据和全栈开发的编程精英同样能找到用武之地。 1. 基于深度学习打造不依赖高精度地图的定位和实时地图系统，包括模型设计、训练、部署，车上系统反馈和形成数据闭环 2. 设计和构建深度神经网络模型，用于对传感器数据进行特征提取、数据融合和位置估计 3. 处理和分析大规模的自动驾驶系统相关的Camera、Lidar、GPS和IMU等各种传感器数据，利用深度学习技术进行特征提取、数据建模和预测分析 4. 进行深度学习模型的调优和调参，以提高模型的性能、效率和鲁棒性

1. 负责结构化/非结构化道路决策规划算法设计、开发和验证； 2. 分析道路测试问题根因，设计问题修复方案并实施，保证算法的稳定性、可靠性和可扩展性； 3. 支持与运营平台端、远控端、上下游模块的对接，规控场景状态机的设计与高效实现。

1、负责自动驾驶决策规划系统的研发，包括但不限于基于专家系统、机器学习和数据驱动的决策规划算法研发； 2、设计复杂交互场景的处理策略，确保自动驾驶车辆的行为安全性和舒适性，提升智能性； 3、负责端到端模型设计、数据生产、Autolabel等工作； 4、完成相关算法研发和效果验证，与上下游团队协作，实现系统集成与调试工作； 5、追踪自动驾驶行业和深度学习技术的最新进展，引入新技术新方法解决自动驾驶的长尾问题。