小米深度学习决策规划算法工程师
任职要求
1. 具有一流大学计算机、机器人、人工智能等相关专业学位，熟练使用 C++、Python，有良好的编程基础 2. 熟悉Pytorch，有扎实的深度学习算法理论基础，具备预测、规划的背景知识 3. 有自动驾驶neural planner网络研发经验, 具备技术预研到优化迭代完整算法落地应用经验者优先 4. 有顶级会议期刊论文发表，ACM等编程比赛获奖经历的优先 5. 有互联网大厂或自动驾驶头部公司经验者优先
工作职责
1. 研发基于数据驱动的PnC决策规划算法， 负责城区全场景自动驾驶的规控算法集成和量产交付 2. 负责Deep Learning Planning 相关神经网络设计与实现，将最前沿的方法应用到自动驾驶规控领域 3. 负责Deep Learning Planning 训练数据迭代和评测系统的构造与维护
决策算法开发: -设计基于深度学习的驾驶行为决策模型（如场景理解、交互意图博弈、自车轨迹规划），解决路口通行、变道博弈、礼让行人等复杂交互问题； -研究多智能体强化学习（MARL）、社会合规行为建模（Socially-Compatible Planning）等技术，提升自动驾驶系统的拟人化水平； -运动规划与轨迹生成； -开发端到端或分层的轨迹规划算法，结合深度学习与经典优化方法，生成平滑、安全、动态可适应的行驶轨迹； -探索不确定性环境下的实时规划策略（如应对突发障碍、极端天气）； -交互与泛化能力提升； -构建驾驶员行为预测模型，研究长尾场景（Corner Cases）的决策泛化能力，利用对抗训练、元学习等方法增强系统鲁棒性。
决策算法开发: -设计基于深度学习的驾驶行为决策模型（如场景理解、交互意图博弈、自车轨迹规划），解决路口通行、变道博弈、礼让行人等复杂交互问题； -研究多智能体强化学习（MARL）、社会合规行为建模（Socially-Compatible Planning）等技术，提升自动驾驶系统的拟人化水平； -运动规划与轨迹生成； -开发端到端或分层的轨迹规划算法，结合深度学习与经典优化方法，生成平滑、安全、动态可适应的行驶轨迹； -探索不确定性环境下的实时规划策略（如应对突发障碍、极端天气）； -交互与泛化能力提升； -构建驾驶员行为预测模型，研究长尾场景（Corner Cases）的决策泛化能力，利用对抗训练、元学习等方法增强系统鲁棒性。
-设计基于深度学习的驾驶行为决策模型（如场景理解、交互意图博弈、自车轨迹规划），解决路口通行、变道博弈、礼让行人等复杂交互问题； -研究多智能体强化学习（MARL）、社会合规行为建模（Socially-Compatible Planning）等技术，提升自动驾驶系统的拟人化水平； -运动规划与轨迹生成； -开发端到端或分层的轨迹规划算法，结合深度学习与经典优化方法，生成平滑、安全、动态可适应的行驶轨迹； -探索不确定性环境下的实时规划策略（如应对突发障碍、极端天气）； -交互与泛化能力提升；
岗位职责： 1.负责记忆泊车/AVP场景的决策规划开发； 2.参与一段式端到端技术方案的研发迭代； 2.参与记忆泊车/AVP/Door2Door的量产交付。