文远知行运动规划算法工程师（Motion）（26届校招）-环卫车/物流车-广州/深圳/武汉
任职要求
熟悉路径规划算法（mpc, lqr, rrt、A*等）、轨迹生成 熟悉概率机器人学（SLAM、EKF、PF等） 开发或实现过机器人（移动机器…
工作职责
开发和实现运动规划算法，使车辆能够安全、平稳地通过复杂场景 分析问题数据包，发现运动规划相关问题，并记录问题 建立基准测试方法和流程，自动且完整地评估运动规划算法
1、负责自动驾驶系统中的路径规划算法开发，包含但不限于全局路径规划、泊车运动轨迹规划等； 2、有实际的自动驾驶项目经验，有路径规划算法设计经验，能满足复杂场景下的系统需求； 3、分析自动驾驶仿真和路测数据，提升对自动驾驶系统的理解，发现和解决车辆运动规划问题。
运动规划算法工程师 开发和实现运动规划算法，使车辆能够安全、平稳地通过复杂场景 分析问题数据包，发现运动规划相关问题，并记录问题 建立基准测试方法和流程，自动且完整地评估运动规划算法
-设计基于深度学习的驾驶行为决策模型（如场景理解、交互意图博弈、自车轨迹规划），解决路口通行、变道博弈、礼让行人等复杂交互问题； -研究多智能体强化学习（MARL）、社会合规行为建模（Socially-Compatible Planning）等技术，提升自动驾驶系统的拟人化水平； -运动规划与轨迹生成； -开发端到端或分层的轨迹规划算法，结合深度学习与经典优化方法，生成平滑、安全、动态可适应的行驶轨迹； -探索不确定性环境下的实时规划策略（如应对突发障碍、极端天气）； -交互与泛化能力提升；
决策算法开发: -设计基于深度学习的驾驶行为决策模型（如场景理解、交互意图博弈、自车轨迹规划），解决路口通行、变道博弈、礼让行人等复杂交互问题； -研究多智能体强化学习（MARL）、社会合规行为建模（Socially-Compatible Planning）等技术，提升自动驾驶系统的拟人化水平； -运动规划与轨迹生成； -开发端到端或分层的轨迹规划算法，结合深度学习与经典优化方法，生成平滑、安全、动态可适应的行驶轨迹； -探索不确定性环境下的实时规划策略（如应对突发障碍、极端天气）； -交互与泛化能力提升； -构建驾驶员行为预测模型，研究长尾场景（Corner Cases）的决策泛化能力，利用对抗训练、元学习等方法增强系统鲁棒性。