理想汽车【自动驾驶】仿真测试开发工程师
任职要求
（1）任职要求： 1.教育背景：计算机科学、车辆工程、自动化等相关专业硕士及以上学历，优秀者可放宽到本科。 2.经验要求： 3年以上自动驾驶仿真测试经验。 精通至少一种主流仿真工具或企业自研解决方案，熟练使用Python/C++编写测试脚本。 深入理解自动驾驶核心模块（感知、定位、预测、规划控制或端到端架构）的测试逻辑与指标定义。 3.技术要求…
工作职责
1.仿真测试方案设计与执行 基于需求文档和行业标准，设计涵盖功能场景、边缘案例和极端条件的仿真测试用例。 建立用例集并执行云仿真任务，分析结果并生成报告，定位问题根源。 2.测试策略与指标优化 定义并监控关键测试指标，确保算法正向迭代。 开发测试评估模型，量化系统性能提升，提出算法优化建议。 持续改进测试框架，提升测试效率和场景覆盖率，减少实车路测依赖。 3.跨团队协作与标准落地 与算法、系统工程师紧密合作，对齐测试需求与功能定义。 参与制定企业级测试流程规范，推动仿真-实车测试闭环验证
-基于AWS或微软云服务，搭建数据反馈关键平台，涵盖数据采集、存储、处理、标注、分析及反馈链路 -实现数据闭环自动化，包括触发式数据回传、关键场景挖掘、模型迭代验证等环节 -设计高可用、可扩展的云架构，优化数据存储与计算资源效率 -开发数据质量监控系统，提升数据利用率和算法泛化能力 -负责基于AWS或微软云的自动驾驶仿真平台开发 -负责设计、开发和优化基于AWS云服务的自动驾驶可视化仿真系统架构，支持高并发、低延迟的仿真场景测试 -构建云原生仿真工具链，整合数据管理、场景生成、结果分析等模块，提升仿真效率与可扩展性 -跨团队协作与技术沉淀 -与算法团队紧密合作，确保仿真环境与自动驾驶感知、规划、控制模块的精准对接 -主导技术文档编写与开源工具链研究，推动团队技术标准化
1. 路径规划 ‒ 开发适用于多种场景（如机器人导航、自动驾驶、无人机等）的路径规划算法； ‒ 实现经典和前沿的全局及局部路径规划方法（如 A*、Dijkstra、RRT、DWA 等），优化路径规划的效率和鲁棒性； ‒ 处理动态环境中的路径生成和调整，解决复杂场景下的避障问题。 2. 行动决策 ‒ 研究并实现具身智能体的行动决策算法，设计任务分解和行为选择的逻辑； ‒ 基于行为树（Behavior Tree）、有限状态机（FSM）等方法，构建模块化的决策框架； ‒ 开发多智能体协作与竞争的行动决策模型，支持复杂交互任务的执行。 3. 强化学习（Reinforcement Learning，RL） ‒ 针对具身智能场景（如机械臂控制、机器人动态避障、导航等），设计强化学习的 reward 函数和训练策略； ‒ 实现主流深度强化学习算法（如 DQN、DDPG、PPO、SAC 等），解决高维连续控制与探索问题； ‒ 优化强化学习模型的收敛速度和鲁棒性，提升算法在实际场景中的表现。 4. 模仿学习（Imitation Learning，IL） ‒ 通过专家示范数据（如轨迹、动作序列）训练智能体，实现模仿人类/智能体行为； ‒ 应用行为克隆（Behavior Cloning, BC）、逆强化学习（Inverse Reinforcement Learning, IRL）等技术解决稀疏奖励问题； ‒ 结合模仿学习与强化学习，提升智能体在复杂任务中的学习和泛化能力。 5. 算法优化与工程实现 ‒ 优化算法的计算效率和资源占用，适配实时性要求 ；‒ 在仿真环境（如 Gazebo、PyBullet、Mujoco 等）和真实设备中验证算法性能； ‒ 配合嵌入式团队完成算法在终端设备上的部署与优化。 6. 技术研究与创新 ‒ 跟踪具身智能领域的前沿算法进展，探索新技术的实际应用； ‒ 研究多模态感知与决策（如视觉、语音、触觉）的融合方法，提升智能体的环境理解与行动能力； ‒ 参与长期自主学习、在线学习和自适应学习系统的设计与开发。
-负责自动驾驶算法中规划、控制等核心模块的测试工作，确保算法在各种场景下的稳定性和准确性 -设计并实施自动化测试方案，开发高效的测试工具与评测系统，提高测试效率与质量 -参与自动驾驶算法的问题跟踪与缺陷分析，协同算法工程师进行问题定位与优化 -持续探索自动驾驶测试领域的新技术与方法，解决大规模数据集测试中的技术挑战，推动测试体系的创新与发展
-负责自动驾驶感知方向包括但不局限于障碍物感知算法、红绿灯感知算法等算法模块测试，对感知算法效果进行验证 -根据项目特点，进行测试设计与执行，开发测试与评测工具 -参与程序设计和问题跟踪工作，持续改善程序的设计缺陷 -探索技术创新，解决大规模数据测试相关技术问题