蔚来智驾感知融合算法工程师 - 后处理
任职要求
1. 熟悉常用的kalman滤波跟踪以及数值优化方法(ceres优化、lm优化等),熟悉ad功能中常用的传感器及其特性; 2. 熟悉c++开发语言,精通常用的eigen、stl、ceres等第三方库的使用以及工程化落地; 3. 熟悉视觉slam; 4. 对机器学习、深度学习等数据驱动开发方式有一定理解以及工程化量产落地应用;
工作职责
1. 支持公司智驾内部多平台、多传感器配置(radar/4d_image_radar + lidar + camera)、多硬件平台(P1/Orin)感知后处理+融合算法开发优化交付; 2. 支持纯视觉感知后处理od_post 迭代优化交付; 3. 支持lidar_vision_radar 三元传感器大融合版本后处理算法开发交付; 4. 支持radar/4d image radar融合算法开发交付; 5. 支持行车/泊车/主动安全feature上od后处理问题开发优化;
1. 根据上层需求撰写规划控制需求文档,算法设计方案等工作 2. 负责智驾功能(LCC/HNOA/CNOA等)规划控制算法的开发,优化等工作 3. 与产品,功能,感知融合等团队,共同完成整体智能,高效,健壮和安全的智驾系统

1、数据闭环体系搭建与落地:负责自动驾驶全链路数据闭环体系设计与搭建,日均处理亿级传感器原始数据及标注数据,保障数据从采集、处理到模型训练的端到端流转,支撑感知、决策规划等端到端模型的高效训练; 2、数据闭环工具链研发: 2.1 云端数据处理 pipeline 开发: •针对标注数据、场景数据,设计并落地数据清洗(去噪、去重、异常过滤)、解析、切片、抽帧、送标(对接标注平台)的全流程自动化 pipeline; •优化 pipeline 吞吐量与延迟,目标支撑日均 10 万 + 场景数据处理,服务算法团队数据生产需求; •推动工具链部署落地,解决线上运行故障(如数据阻塞、接口兼容问题),保障工具链可用性。 2.2 高价值场景数据挖掘体系建设: •搭建 “规则 + 大模型” 双驱动的数据挖掘产线:针对规则挖掘,设计接入多种传感器、定位、感知、底盘、车身信号并优化规则策略;针对大模型挖掘任务,完成数据方案制定、模型微调、loss优化、模型评测等; •与算法团队协作迭代挖掘策略,提升 corner case 召回率(目标≥85%)。
-负责基于BEV感知、SLAM优化、多传感器融合的算法开发 -负责基于海量的感知、BEV建图数据,自动化高精度路网建图的研发 -参与、推进算法规模化量产,解决用户实际面对的复杂场景下长尾问题的发现、解决和模块交付 -结合前沿ML、智驾技术,对智驾地图业务进行创新和探索

1、负责L4级自动驾驶车辆的规划(Planning)与控制(Control)算法开发,包括路径规划、行为决策、运动控制等模块的设计与实现; 2、针对复杂交通场景(如无保护左转、拥堵路段、行人交互等)优化算法,确保系统满足安全性、舒适性及实时性要求; 3、与感知、定位、仿真团队协作,完成多模块系统集成与功能验证; 4、主导实车测试与问题排查,分析日志数据并提出算法改进方案; 5、撰写技术文档,支持功能安全(ISO 26262)及预期功能安全(SOTIF)认证。 6、规划算法: 6-1、掌握分层规划框架(全局路径规划+局部行为决策),熟悉A*、RRT*、Lattice Planner等算法; 6-2、具备博弈论(Game Theory)或强化学习(如DQN、PPO)在交互场景中的应用经验。 7、控制算法: 7-1、精通PID、MPC(模型预测控制)、滑模控制,熟悉车辆动力学模型(如自行车模型); 7-2、有轨迹平滑(Spline、Bezier曲线)及舒适性优化(加加速度约束)经验。 8、工具链: 8-1、熟练使用ROS2、Apollo平台,掌握MATLAB/Simulink进行控制模型仿真; 8-2、熟悉HIL(硬件在环)测试及Log分析工具(如Wireshark、ROSbag)。