理想汽车【自动驾驶】高级端到端模型算法专家

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。

1、设计并实现高精度定位的多模态数据融合方案（如GPS、IMU、视觉等），提升环境感知与定位鲁棒性。 2、开发端到端的定位及轨迹预测算法，结合自回归模型（AR）或时序建模技术，实现复杂交通场景下的高可靠性决策。 3、探索大模型（如Transformer、GNN）在自动驾驶中的应用，设计基于强化学习（RL）的决策优化框架，提升动态环境下的安全性和效率。 4、研究并实现基于强化学习的运动规划算法，结合奖励函数设计与策略优化。 5、将算法部署至实际终端，完成实时性、稳定性优化，推动算法在真实场景中的闭环迭代。 6、技术攻坚与创，跟踪学术界与工业界最新进展（如BEV感知、diffusion policy、模仿学习等），主导关键技术预研与原型开发。

1. 负责理想汽车自动驾驶端到端模型方法研发和工程落地，包括但不限于动静态感知/通用障碍物/障碍物预测决策等端到端模型； 2. 负责设计高性能上限，具备量产能力的端到端模型算法，包括但不限于diffusion、VLM等模型算法； 3. 开发高效离线训练框架，以及可实时运行的在线推理框架，优化模型推理性能，研发模型部署工具链和优化工具； 4. 建立云端数据感知/决策联合标注Pipeline、数据挖掘机制以及难样本分析等工具链，利用影子模型挖掘众包数据，通过数据闭环持续选代模型能力。

1. 负责自动驾驶端到端模型的设计与研发； 2. 参与、负责关键算法的设计、实现、优化，如 静态感知、导航地图融合、轨迹预测等； 3. 参与、负责训练及验证数据集的构建，以数据驱动方式持续优化模型能力。