蔚来运动规划算法工程师/专家
任职要求
1. 本科及以上学历，计算机、自动化、汽车、电子、机械等相关专业，熟悉自动驾驶理论算法 2. 熟练掌握linux下C++开发，良好的数据结构和算法基础；了解车辆运动学；参与过ACC/LCC/ LKA/AEB开发的优先 3. 熟悉自动驾驶高精地图结构，具有…
工作职责
1. 在城市及高速道路环境，根据高精地图、感知车道线或其他形式感知结果，结合汽车运动学、动力学约束实时规划局部路径；根据实时的障碍物感知信息，规划避障路径 2. 仿真和现场调试，验证算法功能的正确性及性能达标
1. 负责自动驾驶汽车在结构化道路（如高速、城市快速路）及非结构化场景（如自动泊车）中的行为决策与运动规划算法研发，设计安全、舒适且符合交规的行驶策略； 2. 负责复杂动态场景（如密集车流切入切出、无保护路口、人车混流）的处理策略设计、算法实现与迭代优化，提升系统的智能性和可靠性； 3. 对接上游感知、定位模块和下游车辆控制模块，进行系统集成与联合调试，确保决策规划模块与整个自动驾驶系统协同稳定工作； 4. 负责算法的实车部署、车载嵌入式平台性能优化、仿真测试及大规模路测验证，支持量产项目的落地应用； 5. 持续跟踪业界前沿技术（如数据驱动、强化学习、大模型在规划中的应用），进行技术预研和算法创新，保持技术竞争力。
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，算法开发与优化： 负责自动驾驶模型算法的研发设计，包括但不限于行为决策、轨迹生成、运动规划等模块的深度学习/强化学习模型设计 探索基于Transformer、模仿学习（Imitation Learning）、强化学习（RL）等前沿技术的模型算法设计、应用方案 优化自动驾驶算法的实时性、安全性和舒适性，解决复杂场景（如拥堵、交互博弈、长尾问题）下的规划挑战 2，数据驱动迭代： 构建和利用大规模驾驶数据集（仿真+真实数据），设计数据闭环 pipeline 提升规划性能 参与数据标注、场景挖掘、仿真测试等环节，推动算法迭代 3，系统集成与部署： 与感知、控制等模块团队协作，实现模型算法在车载计算平台的部署 支持实车测试，分析问题并提出改进方案。 4，前沿技术跟踪： 跟进学术界（如CVPR、ICRA、CoRL）和工业界最新进展，将创新技术落地到量产或研发项目中
1. 负责停车场工况辅助驾驶系统行为决策、路径规划和运动控制算法开发 2.针对量产平台进行算法工程化及调试，参与工程化项目开发，分析泛化问题，并设计优化和解决方案跟进日常路 测问题 3.负责关注国际前沿动态，掌握泊车决策控制算法的发展