高德地图高德-规控算法专家/高级算法工程师-视觉团队
任职要求
● 计算机、控制理论、机器人学、电子信息、应用数学等相关专业硕士及以上学历，5年以上工作经验。 ● 精通路径规划和运动控制算法，深入掌握并实践路径规划算法（如A*、Dijkstra、Hybrid A*等）与运动控制理论（MPC 、LQR、PID）等。 ● 熟悉深度强化学习框架（PPO、GRPO等）。有基于Nvidia Isaac、Mujoco等仿真环境的模型策略研发与部署经验者优先。 ● 有较强的动手能力，熟练掌握C++/Python编程语言，熟悉ROS/ROS2等系统。 ● 具备良好的逻辑分析能力、学习能力、沟通能力及团队协作精神。 ● 具有自动驾驶领域或者机器人领域实际落地经验者优先。 ● 有AI领域顶会论文者优先。
工作职责
设计并实现复杂动态场景下的智能体实时运动规划与控制算法，跟踪强化学习、大模型与规划控制结合的前沿方向，提升智能体在未知开放环境中的鲁棒性和适应性。
系统安全高级工程师/资深工程师/专家 ： 1. 负责/参与智能驾驶产品仿真安全场景库的建设和安全评价体系的建设； 2. 负责/参与智能驾驶产品危害的识别与评估、潜在功能不足和触发条件的识别与评估，并基于此完成安全运营指标和安全交付标准。
1、负责L4级自动驾驶车辆的规划（Planning）与控制（Control）算法开发，包括路径规划、行为决策、运动控制等模块的设计与实现； 2、针对复杂交通场景（如无保护左转、拥堵路段、行人交互等）优化算法，确保系统满足安全性、舒适性及实时性要求； 3、与感知、定位、仿真团队协作，完成多模块系统集成与功能验证； 4、主导实车测试与问题排查，分析日志数据并提出算法改进方案； 5、撰写技术文档，支持功能安全（ISO 26262）及预期功能安全（SOTIF）认证。 6、规划算法： 6-1、掌握分层规划框架（全局路径规划+局部行为决策），熟悉A*、RRT*、Lattice Planner等算法； 6-2、具备博弈论（Game Theory）或强化学习（如DQN、PPO）在交互场景中的应用经验。 7、控制算法： 7-1、精通PID、MPC（模型预测控制）、滑模控制，熟悉车辆动力学模型（如自行车模型）； 7-2、有轨迹平滑（Spline、Bezier曲线）及舒适性优化（加加速度约束）经验。 8、工具链： 8-1、熟练使用ROS2、Apollo平台，掌握MATLAB/Simulink进行控制模型仿真； 8-2、熟悉HIL（硬件在环）测试及Log分析工具（如Wireshark、ROSbag）。
1、研发机器⼈视觉-语⾔多模态⼤模型算法⽅案，负责基于 VLM/VLA/VLN等机器⼈领域多模态算法的技术研究与落地； 2、构建传统规划与强化学习方法结合进行导航的能力，提升动态变化环境下，目标检测、语义分割等任务的仿真精度； 3、构建具备高保真的静态环境（物理属性、纹理等）、动态环境场景（如光照变化、动态障碍物），验证和优化感规控算法的鲁棒性。
1、研发机器⼈视觉-语⾔多模态⼤模型算法⽅案，负责基于 VLM/VLA/VLN等机器⼈领域多模态算法的技术研究与落地； 2、构建传统规划与强化学习方法结合进行导航的能力，提升动态变化环境下，目标检测、语义分割等任务的仿真精度； 3、构建具备高保真的静态环境（物理属性、纹理等）、动态环境场景（如光照变化、动态障碍物），验证和优化感规控算法的鲁棒性。