文远知行预测算法工程师（2026届校招）
任职要求
Prediction组介绍：预测模块上游对接感知，下游对接决策规划。通过感知信息对周围障碍物未来可能的行为进行预测。预测团队分钟构建各种深度学习模型，对周围环境中的动态障碍物做出各种预测。如意图预测、轨迹预测、障碍物与无人车交互方式预测等。对于缺乏数据的长尾场景，预测团队还需要通过场景特征分析和逻辑推理的方式，生成相应的预测补充。 WeRide.ai is looking for a machine learning engineer for the prediction team. In this impactful role, you will collaborate with a best-in-class team of engineers to tackle hard problems and help advance mobility solutions to improve everyday lives. You will be responsible in such fields:Active learning and Bayesian optimizationAnomaly detectionDeep networksDistributed/parallel learning algorithmsLearning controlPredictive modeling Requirements: 1.PhD or master in Computer Science/Engineering, ML/DL, Electrical Engineering, or a related field.Relevant work or lab experience in Machine Learning, Deep Learning or High-Performance Computing； 2.Excellent knowledge of theory and practice of machine learning； 3.Excellent programming skills in some rapid prototyping environment such as MATLAB or Python; C++ and parallel programming (e.g., CUDA) is a plus； 4.Knowledge of common machine learning frameworks； 5.Track record of research excellence or significant product development； 6.Knowledge of application areas such as computer vision or robotics； 7.Preferred to have:Strong understanding of recent advancements in machine learning research.
工作职责
无
PNC组介绍：在自动驾驶系统中，决策规划与控制可以类比为人类的大脑与神经。确保“大脑与神经”正确高效地“思考”和安全舒适地“执行”，是一个优秀的规划与控制组的职责所在。规划控制团队分为决策团队、规划团队和控制团队。决策规划部门的主要目的是在复杂的无人驾驶环境中找到安全的行驶方案，例如通过人类驾驶的数据分析何时进行变道，对前方车辆是跟随还是绕行。决策规划部分还要从路上的真实数据中学习人类驾驶的共识，比如道路拥堵时到底什么时候能变道，后车要怎么表达出它是否让行，进而思考如何把这种共识应用到具体算法中。此外，决策规划要能将不同的未来收敛到当选确定的行为中。控制部分则是负责将上述的行为严格地执行到车辆上。 · 为自动驾驶提供安全、舒适和可预测的车辆运动轨迹 · 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，发现和解决运动规划问题
关于文远知行：文远知行WeRide是全球领先的L4级自动驾驶科技公司，已经在全球23个城市开展自动驾驶研发、测试及运营。文远知行致力于开发安全可靠的无人驾驶技术，形成了自动驾驶出租车、小巴、同城货运车、环卫车、高阶智能驾驶等五大产品矩阵，提供网约车、随需公交、同城货运、智能环卫、解决方案供应商等多种服务。 和智能出行专家团队一起工作，推动人工智能的前沿发展， 研发用于自动驾驶的计算机视觉，机器学习， 深度学习， 强化学习等。 技术方向包括但不限于： 传感器的标定与融合，物体检测跟踪及预测， 可行驶区域检测， SLAM，3D点云处理，路径规划，以及控制优化等。
1、通过大数据及AI算法优化，驱动平台的用户增长，提升平台转化效率、营销效率，并为业务进行赋能，提升经营效率 2、参与搜索推荐、精准投放、智能营销、供应链预测、多模态AI助手等核心项目的算法研发落地
base地 北京/上海/广州/深圳 基于深度学习打造不依赖高精度地图的定位和实时地图系统，包括模型设计、训练、部署，车上系统反馈和形成数据闭环设计和构建深度神经网络模型，用于对传感器数据进行特征提取、数据融合和位置估计处理和分析大规模的自动驾驶系统相关的Camera、Lidar、GPS和IMU等各种传感器数据，利用深度学习技术进行特征提取、数据建模和预测分析进行深度学习模型的调优和调参，以提高模型的性能、效率和鲁棒性。