小鹏汽车机器人导航规划工程师
任职要求
岗位要求： - 硕士及以上，计算机、自动化、电子信息工程等相关专业。 - 具有实现一个或多个高性能、高鲁棒性的运动规划算法项目经验，包括轨迹搜索算法 (如 Hybrid A*, 图搜索)、轨迹采样方法 (如 Lattice Planner, Motion Primitive)、轨迹优化算法 (如非线性优化, iLQR/iLQG, 凸优化, 数值优化方法等)、时空联合规划 (Spacetime Optimization) 算法等； - 有一个或多个计算机视觉或机器学习相关领域的背景（比如：端到端轨迹预测，LLM/VLM，Multi-view Depth Estimation，Image Scene Und…
工作职责
关于我们： 小鹏机器人中心致力于研发先进的人形机器人技术，包括机器人的行走，操作，智能导航，在大语言模型支撑下的人机交互等。我们拥有世界一流的软硬件团队，分布于深圳，上海，广州和北美。作为计算机视觉和机器学习工程师，你将和机器人中心相关领域的团队成员共同解决科研和工程问题。我们将共同成长，在人形机器人前沿领域留下自己印记。 - 负责机器人导航规划模块行为决策和路径规划算法研发和技术落地。 - 探索强化学习（Reinforcement Learning，RL）和模仿学习（Imitation Learning，IL）算法在具身智能导航、追踪等功能应用落地实践，加速具身智能体AI化进程。 - 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。
【工作职责】 1）研发高鲁棒性的多模态导航算法架构，融合激光雷达/视觉/惯导等多传感器信息，构建动态环境认知与语义理解模型，开发自适应不同场景的导航策略框架。 2）优化实时运动控制系统：设计低延迟的路径规划与轨迹优化算法，研发动态避障与紧急制动机制，实现厘米级精度的运动控制。 3）构建智能决策系统：开发适应场景理解与行为预测的决策模块，实现复杂场景下的长期自主导航。 4）算法工程化落地：完成嵌入式平台移植与性能优化，设计系统级仿真验证方案，搭建全场景自动化测试体系。
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。
我们是谁？ 作为中国领先的数字地图内容及导航服务提供商，高德地图日均服务数亿用户出行决策，每日处理超百亿级位置数据。视觉技术中心是驱动高德实现厘米级高精地图、实时三维重建、多模态感知等核心技术的引擎，持续突破自动驾驶、AR导航、智慧交通等领域的技术边界。 团队gihub主页：https://github.com/amap-cvlab 为何加入我们？ 挑战世界级技术难题，追求智能上限 用AI驱动国民级APP的产品迭代和颠覆式创新 岗位职责： 团队主要聚焦多模态大模型技术在端到端自动驾驶的应用，我们期待你的工作将覆盖以下至少一个技术方向即可： 1. 在端到端自动驾驶、多模态大模型的训练及调优、BEV感知、基于深度学习/强化学习的规划控制、RLHF、驾驶场景视频生成等领域具备丰富且有独创性的研究经历。 2. 探索多模态大模型在下游任务中的技术能力，包括但不限于图文对齐/识别、跨模态理解生成、多模态检索、VLM端到端自动驾驶、世界模型等。 3. 了解大模型模型的训练/微调/推理加速方法，包括但不限于模型结构调优、训练效率提升、高效低成本微调、Muti-token推理，模型部署加速等。 4. 参与自动驾驶系统中机器学习算法的研究、开发与优化，包括但不限于深度学习算法在端到端感知大模型、规控大模型、视觉语言大模型等方面的应用。 5. 负责收集、整理和分析自动驾驶相关的数据集，进行数据预处理和标注，以提高模型的准确性和泛化能力。 6. 设计和实现端到端自动驾驶模型的训练流程，包括选择合适的优化算法、调整超参数、评估模型性能等，确保模型在不同场景下的稳定性和可靠性。
1.主导旅游出行场景 AI 产品的开发，如智能行程规划引擎，实现动态优化路线、酒店、交通组合； 2.研发多语言旅行助手，包含语音交互与 AR 导航，支持英语、日语等语种； 3.构建个性化景点推荐系统，结合用户画像与实时地理位置进行精准推荐； 4.对接旅游出行行业各类数据源，构建行业知识图谱，提供深度服务； 5.研究 AIGC 在旅游出行行业的应用，像利用大模型开发 AI 虚拟导游，探索元宇宙与旅行的结合等。