地平线端到端自动驾驶仿真评测实习生

1. 负责端到端智驾大模型在L2、L4下的算法预研，算法突破与验证工作； 2. 负责城区自动驾驶纯模型方案的落地部署，产品性能提升与交付； 3. 负责端到端智驾大模型方案的研发迭代体系的建设与完善。

1. 负责端到端数据生产、数据挖掘和相关工具链开发、维护； 2. 负责端到端模型复现、优化、升级、部署，并验证算法效果，推动算法落地； 3. 运用深度学习、强化学习等技术，优化模型结构等，提高模型在复杂场景下的效果。

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。

1. 参与RoboTaxi 云端数据挖掘系统研发，深度参与L4级自动驾驶数据闭环核心链路，处理亿级路测数据，为端到端自动驾驶模型训练提供高质量场景标签与数据保障； 2. 负责驾驶场景挖掘算子开发与迭代优化： - 基于ROS2、MCAP数据格式，开发急刹、加塞、变道、路口转弯、横纵向博弈等驾驶行为检测算子； - 实现路口、环岛、分合流、盲区等典型场景分类； - 完成感知质量评估、障碍物风险识别、交互行为判定等难例挖掘能力建设，持续提升算子准确率与召回率； 3. 负责自动驾驶数据管线开发与维护：完成数据解析、坐标系转换（WGS84/UTM）、地理空间查询、Map数据适配等数据预处理工作，保障数据链路稳定高效； 4. 参与Ray分布式批处理框架下的数据挖掘任务开发、调试与性能优化，支撑大规模数据并行处理； 5. 开展挖掘结果误报/漏报分析，定位算法缺陷，推动算子迭代与数据闭环持续优化； 6. 协助完成数据标注方案设计、标签质量校验、评测用例沉淀等数据闭环相关工作。