Momenta资深决策规划算法工程师
任职要求
任职要求 - 自动化、计算机、人工智能、车辆等相关专业硕士及以上学历； - 较强的编程能力，熟悉C++、Python，良好的代码风格和系统设计能力； - 扎实的数理基础，熟悉最优化/控制理论/深度学习/强化学习等算法中至少两种； - 优秀的沟通与协作能力； - 优秀的学习能力和建模分析能力，需要多维视角和创新思维解决复杂场景下的难题； - 机器学习方向要求深刻理解DL/RL相关算法，有丰富的研究和实践经验。 加分项 - 复杂系统工程经验，优秀开源项目研发经历； - RoboMaster, RoboCup等机器人比赛或ACM竞赛获奖者； - 熟悉自动驾驶技术栈和主流Planning算法框架； - 有Robotaxi/Robotruck/无人配送/机器人等领域Planning算法落地应用经验。
工作职责
岗位职责 - 稳定可靠且易于扩展的Planning架构设计与系统开发； - 通过DL/RL/POMDP/Game Theory等算法提升决策规划交互能力，使系统表现更加符合人类驾驶习惯； - 基于海量路测数据构建完整的数据驱动算法工具链，构建高效规划训练及评测系统等； - 高性能高效率的数值优化和计算几何算法开发。
WeRide.ai is looking for an Engineering Tech Lead to join our Simulation team and help build the next generation of autonomous driving Simulation Engine, Algorithm and Modeling. What you will do: 1.Oversee WeRide’s Simulation direction, lead and grow algorithm team in this scope 2.Define roadmaps, drive technical projects and provide leadership in an innovative and fast-paced environment. 3.Design, implement and optimize existing and next-generation of Simulation Algorithm and Modeling, including agent (vehicle/pedestrian/cyclist/…) behavior modeling, evaluation modeling and scenario-based data mining. 4.Build tools and automation pipelines to process large-scale real-world traffic data for model training. 5.Work across teams to facilitate safe and fast iteration of the autonomous driving software components: perception, motion planning, control, localization, and other.
工作职责： 1. 算法开发与验证：参与结构化/非结构化道路的决策规划算法设计与开发，包粗轨迹生成、决策体系搭建，并通过仿真或实车测试验证算法效果； 2. 问题分析与闭环：协助分析道路测试数据，定位决策逻辑或规划轨迹的异常根因，提出优化方案并参与代码实现，提升算法鲁棒性； 3. 工具链支持：开发或优化调试工具链（可视化工具等），支持算法快速迭代与效果追踪。
1. 协助研发基于强化学习（RL）或模仿学习（IL）的自动驾驶决策规划算法，解决复杂交通场景下的车辆行为决策与运动规划问题； 2. 参与构建和优化用于训练决策模型的数据处理流程，包括特征工程、场景提取、奖励函数设计及大规模数据集处理； 3. 负责或参与相关算法的仿真测试、实车调试、性能评估与迭代优化，推动算法在真实环境中的性能提升和落地； 4. 跟踪并调研强化学习、模仿学习、行为预测等领域的国际前沿动态与最新研究成果（如顶会论文CVPR, ICRA, NeurIPS, ICML等），并尝试将其应用于实际项目； 5. 协助端到端自动驾驶大模型或相关子模块的研发与优化工作。
1，算法开发与优化： 负责自动驾驶模型算法的研发设计，包括但不限于行为决策、轨迹生成、运动规划等模块的深度学习/强化学习模型设计 探索基于Transformer、模仿学习（Imitation Learning）、强化学习（RL）等前沿技术的模型算法设计、应用方案 优化自动驾驶算法的实时性、安全性和舒适性，解决复杂场景（如拥堵、交互博弈、长尾问题）下的规划挑战 2，数据驱动迭代： 构建和利用大规模驾驶数据集（仿真+真实数据），设计数据闭环 pipeline 提升规划性能 参与数据标注、场景挖掘、仿真测试等环节，推动算法迭代 3，系统集成与部署： 与感知、控制等模块团队协作，实现模型算法在车载计算平台的部署 支持实车测试，分析问题并提出改进方案。 4，前沿技术跟踪： 跟进学术界（如CVPR、ICRA、CoRL）和工业界最新进展，将创新技术落地到量产或研发项目中