文远知行自动驾驶算法测试工程师QA（26届校招）-环卫车-广州

工作内容： 参与测试规范化流程搭建； 参与软件模块需求定义和方案设计，根据需求文档，设计验证方案，编写测试用例，在仿真环境或路测中执行测试用例； 深入了解智能驾驶系统某模块实现逻辑/原理，对测试遇到的问题进行分析反馈，提出改进建议，反馈给相关功能开发部门并协助/推动相关问题解决； 落地项目的技术支持，有效地执行自动驾驶示范测试、对测试数据进行分析及跟进，在仿真环境或路测中执行测试用例，并向相关部门汇报和沟通测试结果。

「测试策略与质量体系」 制定自动驾驶算法（感知/规划/控制等模块）的测试策略与评测方案，建立覆盖功能、性能、可靠性的质量保障体系。 设计多场景测试用例（包括Corner Case），构建并持续更新场景库及评测指标。 「测试开发与执行」 搭建自动化测试框架，开发测试脚本/工具（如CI/CD流水线、HIL仿真平台），提升测试效率。 执行实车道路测试、仿真测试（如CARLA/Prescan）及硬件在环测试（HIL），分析系统瓶颈与安全隐患。 跨团队协作与闭环 协同算法、工程团队定位缺陷根因，推动问题修复与流程优化。 参与需求评审，提供用户视角的产品体验改进建议。

作为自动驾驶软硬件系统的“啄木鸟”： 1.基于产品需求，针对自动驾驶软硬件系统特点，设计测试方案，暴露软硬件问题； 2.针对测试发现的问题，通过分析问题、问题成因归类，反馈给研发端，并跟进研发端修复情况，完成问题闭环； 3.打通实车路测与仿真回灌的数据链路，构建“实车发现问题→仿真复现验证→数据定量评测”的完整闭环； 4.设计系统性能评估指标，从海量路测数据中挖掘系统的"闪光点"与"问题点"，牵引算法持续改进； 5.结合L4级法规要求，构建常规场景、极端场景、合规场景的仿真用例库，搭建WorldSim仿真体系，支撑算法版本迭代的回归验证。

1、参与智能驾驶场景下的地图系统研发与优化，包括不限于AVP、记忆泊车及车位到车位等场景，重点解决地下停车场特有的无GNSS、弱纹理、重复结构、镜面/立柱干扰、剧烈光照变化、多楼层衔接等问题，持续提升众源地图构建与更新系统在几何精度、拓扑正确性及稳定性上的表现。 2、跟踪建图定位领域的前沿技术（SOTA），协助探索新方案在实车场景中的落地可行性，方向包括但不限于：神经隐式表征/3DGS建图、无图/轻地图范式下的语义建图与重定位等，解决行业长尾问题。