小鹏汽车后端开发工程师（自动驾驶仿真平台）
任职要求
1. 基本功 计算机科学、软件工程等相关专业，本科及以上学历的应届毕业生（硕士及以上学历优先）。 扎实的算法与编程底子： 精通 Python、Go、Java、C++ 等至少一种编程语言，熟练掌握常用数据结构与算法、设计模式。 深入的系统理解： 深入理解 Linux 操作系统原理（如进程/线程调度、内存管理、I/O 模型）及计算机网络协议（TCP/IP、HTTP、gRPC 等）。 2. 加分项 后端技术栈： 了解主流后端及微服务框架（如 Spring Boot/Cloud、Django、Gin 等），了解 MySQL 数据库、Redis 缓存及常见消息队列（Kafka/Rabb…
工作职责
平台研发参与： 在导师指导下，参与自动驾驶软件仿真平台的核心功能研发与日常维护，编写高质量、可扩展的代码。 分布式仿真支撑： 协助设计与优化处理海量数据的大规模分布式仿真系统，包括高性能仿真任务调度、算力管理与数据流优化，提升系统吞吐量并降低时延。 数据接口与协作： 参与闭环仿真系统的数据交互与 API 接口定义，配合算法团队与测试团队，确保仿真软件在不同平台上的高一致性与高可靠性。
-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
【后端工程师】： 该岗位将从事以下工作 1. 负责自动驾驶可视化业务后台服务的设计、研发工作，保证后端服务稳定性； 2. 负责自动驾驶研发工具链的设计与开发，为各团队提供高效稳定的基础设施 。 岗位要求： 1. 计算机或相关专业本科及以上学历。 2. 具备扎实的数据结构与算法能力；熟练掌握至少一种开发语言（Python、Go等）。 3. 深入理解Linux系统及其原理，熟悉TCP/IP、HTTP协议以及网络编程； 4. 熟悉常用的SQL、NoSQL数据库原理，阅读和理解优秀的开源系统代码； 5. 具备较强的学习能力；具备强烈的责任心和自我驱动力。 6. 具备良好的沟通能力和团队合作精神。
核心使命：构建下一代具身智能数据交互平台，通过高性能Web 可视化技术，赋能算法研发、数据闭环与仿真验证。 1. 多模态数据可视化引擎开发 - 统计分析可视化：开发数据看板，支持对海量机器人数据（任务日志、状态指标、标注结果）的聚合、筛选、图表展示（时序曲线、热力图、分布图等）。 - 实时回放与交互可视化：构建类播放器的交互界面，支持传感器数据（视频流、点云、IMU）及机器人状态（关节角度/轨迹）的逐帧回放、拖拽跳转、多流同步。 2． 数据工具链前端实现 - 可视化标注平台：开发交互式标注工具（如2D/3D 框体标注、轨迹标注、语义标注），支持视频、点云等多模态数据的联合标注，并与后端标注存储系统集成。 - 数据查询与检索系统：实现灵活的数据查询界面（如按时间范围、任务ID、传感器类型过滤），支持数据样本的实时预览与导出。 - 仿真过程可视化：对接仿真引擎，实时渲染机器人动作、环境状态及任务执行过程，支持调试与结果分析。 3. 实时数据流处理与通信 - 构建低延迟数据通信层：使用WebSocket/WebRTC 实现传感器数据流的实时传输与播放控制。 - 设计时间轴同步机制：确保多传感器数据（视频、激光雷达、关节状态）在回放时严格对齐，支持全局时间戳控制。 4． 跨职能协作 - 与后端工程师紧密合作，定义数据接口格式、通信协议及性能优化点。 - 与算法/数据工程师协作，理解数据语义与业务需求，设计直观的数据交互流程。 - 与仿真团队对接，实现仿真结果的可视化验证。
工作职责： 1、负责自动驾驶数据平台的核心架构设计、开发与运维，主导数据接入、解析、治理、挖掘及数据集管理等关键工具链的技术方案与实施。 2、设计并开发高可靠性、高效率的数据加工与自动化Pipeline，服务于模型训练与迭代。 3、保障平台在大规模数据与高并发场景下的稳定性、性能与成本优化。 4、深入理解自动驾驶多模态数据（传感器数据、真值系统、高精地图），主导数据标签体系设计与深度解析，为算法迭代提供核心数据支持。 5、作为技术核心，跨部门协同算法、仿真、测试团队，驱动数据闭环的落地与自动驾驶模型的高效迭代