哈啰智驾决策规划算法工程师/专家（RL方向）-【自动驾驶】
任职要求
1. 计算机科学、自动化、机器学习、机器人学等相关专业本科及以上学历； 2. 具备扎实的强化学习理论基础，熟悉主流RL算法（PPO、SAC、TD3、IQL等），并至少在一项自动驾驶或机器人项目中具有RL算法落地经验； 3. 熟练掌握Python/C++，熟悉PyTorch等深度学习框架，具备大规模强化学习分布式训练（如Ray、Kubernetes）或仿真平台开发经验者优先； 4. 熟悉自动驾驶决策规划常见方法（如MDP/POMDP、搜索与优化算法），并能够将强化学习与传统规划方法（如MPC、Lattice）结合解决实际问题； 5. 具备良好的数学基础…
工作职责
1. 负责基于强化学习（如Online/Offline RL、Model-based RL）的自动驾驶行为决策与运动规划算法研发，重点解决结构化道路（高速、城市快速路）及非结构化场景（自动泊车）中的动态交互与博弈问题； 2. 针对复杂动态场景（密集车流、无保护路口、人车混流），设计基于数据驱动的决策规划算法，通过大规模分布式训练系统提升策略的智能性、安全性及泛化能力； 3. 构建与迭代仿真环境（如CARLA、NVIDIA Isaac）与世界模型，推动强化学习策略的仿真训练与实车迁移（Sim2real），形成“真实数据→仿真训练→实车验证”的闭环优化； 4. 参与全栈自动驾驶决策控制系统的开发，对接感知、预测、端到端模块，实现基于强化学习的决策规划算法在车载平台上的部署、性能优化与实车路测； 5. 跟踪强化学习在自动驾驶领域的前沿进展（如大模型与RL结合、逆强化学习、多智能体博弈），进行技术预研与算法创新，推动研究成果在量产项目中的应用与落地。
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）。
我们正在寻找一位经验丰富、富有远见的智驾软件架构师。您将成为我们核心研发团队的关键成员，负责设计、定义和演进下一代智能驾驶系统的软件整体架构。您的工作将直接决定我们智驾产品的性能、安全、可靠性与可扩展性，是连接产品愿景与技术实现的桥梁。 主要职责： 1. 架构设计与规划： · 负责智能驾驶全栈软件（感知、定位、预测、规划决策、控制）的系统架构设计，制定技术蓝图和发展路线图； · 设计高内聚、低耦合、可复用、易于迭代的软件模块和组件，定义清晰的模块接口和数据流； · 主导关键技术选型，评估和引入合适的中间件（如ROS 2、DDS、AUTOSAR AP）、框架、库和工具链。 2. 性能与安全关键系统设计： · 设计满足功能安全（ISO 26262 ASIL-B/D）和预期功能安全（SOTIF）要求的软件架构和冗余方案； · 主导系统资源（CPU、GPU、内存、总线带宽）的预算、分配与优化，确保系统实时性和低延迟； · 设计和实现数据记录、诊断、监控和OTA升级等车规级必备功能。 3. 技术领导与协作： · 编写和维护架构设计文档（如系统设计说明、接口控制文档），并主导技术评审； · 指导和培养软件开发工程师，确保团队遵循既定的架构规范和最佳实践； · 与硬件、算法、测试和产品团队紧密合作，确保架构设计能够高效支撑算法迭代和产品需求。 4. 技术攻关与前瞻研究： · 识别和解决系统中的关键技术挑战和性能瓶颈； · 跟踪业界领先的智驾架构技术（如端到端模型、BEV+Transformer、Occupancy Networks对架构的影响），并进行前瞻性技术预研和原型验证。
我们正在寻找一位对智能驾驶充满热情、对数据敏感的工程师。您将成为我们数据驱动研发体系的核心成员，负责构建和优化从车端数据采集到价值挖掘的完整链路。您的工作将直接提升智能驾驶系统的感知、决策和控制性能，是实现技术突破的关键一环。 核心职责： 1. 车端数据触发与采集： · 设计与开发基于特定场景（如Corner Case、接管、模型不确定性高）的智能数据触发策略； · 负责车端数据采集模块的开发与优化，确保数据的高效、可靠上传； · 定义和规范车端数据的格式、质量和合规性标准。 2. 数据回传与分析： · 参与构建和管理车云数据传输 pipeline，确保数据的完整性和时效性； · 对回传的海量数据进行初步分析、清洗和标注管理，为模型训练准备高质量数据集； · 利用数据分析工具，定位系统缺陷，挖掘影响智驾性能的关键场景。 3. 闭环工具链与平台支持： · 与数据平台和算法团队紧密合作，参与开发数据闭环相关的工具链和平台； · 优化数据检索、场景切片、仿真回灌等流程，提升算法迭代效率； · 负责车端软件OTA与数据闭环任务的联动，确保新模型能有效验证并部署。 4. 场景挖掘与仿真测试： · 基于真实路采数据，挖掘、构建和泛化高价值的测试场景库； · 将关键场景应用于仿真测试，快速验证算法修复和优化效果。
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。