地平线智能驾驶端到端算法实习生

1、参与端到端自动驾驶规控算法开发； 2、调研前沿的端到端自动驾驶规控算法； 3、对算法模块性能进行调优，提高运行效率； 4、优化代码鲁棒性，确保算法在各种环境下的安全运行。

【岗位背景】 自动驾驶的下一个跃迁，不在于更多的规则，而在于真正会"学习"的决策者。 模仿学习可以复刻人类行为，但无法超越人类的上限。强化学习不同——它在与环境的持续博弈中自我进化，在仿真世界里跑完人类驾驶员一生的里程，在真实道路上做出超越经验的判断。我们相信，让车辆具备自主探索与持续进化能力的 RL，才是迈向 Level 4 的核心引擎。 我们正在构建以强化学习为核心的下一代端到端驾驶系统，将大规模仿真训练、稀疏奖励设计与真实世界部署打通，让智驾大脑在与环境的交互中不断生长。 【岗位职责】 RL 算法设计与创新：深入研究 PPO、GRPO 等主流 RL 算法在驾驶场景中的适配与改进。在端到端智驾模型的基座上，探索 Model-based RL、离线强化学习（Offline RL）、层级强化学习等前沿范式，针对驾驶的长时序、稀疏奖励、多智能体特性提出系统性解法。 奖励函数工程：设计覆盖安全性、舒适性、效率、交通规则遵守等维度的奖励体系，探索类似LLM的自动奖励生成（RLHF/RLAIF）与奖励塑形（Reward Shaping）技术，让奖励信号真正对齐驾驶智能的本质目标。 大规模仿真训练体系：构建高保真、可扩展的 RL 训练环境，解决仿真到现实的迁移鸿沟（Sim-to-Real Gap），设计对抗性场景生成与课程学习（Curriculum Learning）策略，驱动模型在极端长尾场景下持续进化。 评测与验证：深度参与仿真评测与路测体系建设，建立 RL 策略的可解释性分析框架，在仿真闭环与真实道路之间构建高效反馈回路，让每一轮策略迭代都有数据支撑。

【岗位背景】 自动驾驶已进入深水区——传统规则堆叠触及天花板，端到端大模型正在重新定义这条赛道的边界。我们相信，真正的智能驾驶不只是"看懂"世界，更要在毫秒级时间窗口内做出类人的判断与行动。 我们正在构建覆盖城区、高速、停车场全场景的下一代端到端驾驶系统，以 VLA、Diffusion 为技术基座，打通从原始传感器数据到实时控制指令的完整链路。这里没有"先感知再规划"的割裂，只有一个统一的大脑，持续地观察、记忆、推理、行动。 【岗位职责】 端到端模型架构设计： 探索 VLM/VLA、Diffusion/Flow Matching 等生成式技术在驾驶场景的迁移应用，突破"模块拼接"范式，向统一大模型演进。 数据闭环建设： 构建覆盖长尾场景、因果推理与时序行为的结构化数据体系，驱动模型持续自我进化。 评测与迭代： 深度参与仿真评测体系建设，在路测数据与仿真闭环之间构建高效反馈回路，以数据驱动决策，让每一次迭代有据可查、有效可验。 软硬协同部署： 发挥地平线自研芯片优势，与嵌入式团队协作，完成模型量化、蒸馏与部署优化，将算法能力从实验室落地量产平台，在真实硬件约束下兼顾性能与用户体验。真正打造软硬一体的产品。

智能驾驶系统产品线大规控部门负责城区、高速、停车场等全场景高阶辅助驾驶系统的规控和预测算法开发，同时搭建完善的仿真评测体系提升研发质量和效率。 开发理念： 打破惯性思维，根据问题本质寻找答案和设计解决方案； 不技术自嗨，守住性能底线后再做技术创新，用实车效果说话； 用数据驱动的思维做开发，做好数据闭环，注重评测迭代； 不做简单的规则堆叠，传统方法要提炼简洁优雅的“解析解”； 重视工具开发，提升研发效率，打开算法黑盒，尽量做解释性强的方案。 精益求精，打磨产品细节，做出亮点，提升产品体验。 1. 负责轨迹预测、行为决策、路径规划和运动控制等算法开发，并完成嵌入式量产平台部署； 2. 基于海量数据进行道路参与者行为预测算法研发，设计高性能、高准召、高稳定的预测模块； 3. 开发交互式决策和预测模型，改善自动驾驶车辆在复杂环境中的应对能力； 4. 负责自动驾驶系统产品级仿真引擎的架构设计，仿真平台自动化测试及可视化工具链的构建； 5. 构建可扩展的云端仿真框架，以在集群环境中运行批量仿真模拟，减少云端部署和运行成本； 6. 构建完善仿真场景库替代大部分路测，同时生成挑战性的场景增广路测能力； 7. 建立数据自动标注、难例批量挖掘和分析机制工具链，通过数据闭环持续提升算法能力。