小米自动驾驶规划算法实习生

1. 协助研发基于强化学习（RL）或模仿学习（IL）的自动驾驶决策规划算法，解决复杂交通场景下的车辆行为决策与运动规划问题； 2. 参与构建和优化用于训练决策模型的数据处理流程，包括特征工程、场景提取、奖励函数设计及大规模数据集处理； 3. 负责或参与相关算法的仿真测试、实车调试、性能评估与迭代优化，推动算法在真实环境中的性能提升和落地； 4. 跟踪并调研强化学习、模仿学习、行为预测等领域的国际前沿动态与最新研究成果（如顶会论文CVPR, ICRA, NeurIPS, ICML等），并尝试将其应用于实际项目； 5. 协助端到端自动驾驶大模型或相关子模块的研发与优化工作。

1. 参与自动驾驶决策规划的算法开发和量产项目落地； 2. 参与仿真验证的设计和场景集构建，提升迭代效率。

1、负责基于深度学习的自动驾驶决策规划算法研发工作，包括算法和模型设计、训练、部署等 2、参与自动驾驶决策规划算法数据闭环开发工作，包括自动化的训练数据数据生产和挖掘、模型迭代、评测和上线等

1.开发全场景自动驾驶解决方案中的行为决策和运动规划算法； 2.仿真场景库搭建，基于大量数据的算法性能评测，提升仿真和路测结果一致性； 3.自动驾驶算法开发迭代提效工具开发，提高可视化快速问题诊断能力。