京东端到端学习驱动的一体化供应链建设

【岗位背景】 自动驾驶的下一个跃迁，不在于更多的规则，而在于真正会"学习"的决策者。 模仿学习可以复刻人类行为，但无法超越人类的上限。强化学习不同——它在与环境的持续博弈中自我进化，在仿真世界里跑完人类驾驶员一生的里程，在真实道路上做出超越经验的判断。我们相信，让车辆具备自主探索与持续进化能力的 RL，才是迈向 Level 4 的核心引擎。 我们正在构建以强化学习为核心的下一代端到端驾驶系统，将大规模仿真训练、稀疏奖励设计与真实世界部署打通，让智驾大脑在与环境的交互中不断生长。 【岗位职责】 RL 算法设计与创新：深入研究 PPO、GRPO 等主流 RL 算法在驾驶场景中的适配与改进。在端到端智驾模型的基座上，探索 Model-based RL、离线强化学习（Offline RL）、层级强化学习等前沿范式，针对驾驶的长时序、稀疏奖励、多智能体特性提出系统性解法。 奖励函数工程：设计覆盖安全性、舒适性、效率、交通规则遵守等维度的奖励体系，探索类似LLM的自动奖励生成（RLHF/RLAIF）与奖励塑形（Reward Shaping）技术，让奖励信号真正对齐驾驶智能的本质目标。 大规模仿真训练体系：构建高保真、可扩展的 RL 训练环境，解决仿真到现实的迁移鸿沟（Sim-to-Real Gap），设计对抗性场景生成与课程学习（Curriculum Learning）策略，驱动模型在极端长尾场景下持续进化。 评测与验证：深度参与仿真评测与路测体系建设，建立 RL 策略的可解释性分析框架，在仿真闭环与真实道路之间构建高效反馈回路，让每一轮策略迭代都有数据支撑。

智能驾驶系统产品线大规控部门负责城区、高速、停车场等全场景高阶辅助驾驶系统的规控和预测算法开发，同时搭建完善的仿真评测体系提升研发质量和效率。 开发理念： 打破惯性思维，根据问题本质寻找答案和设计解决方案； 不技术自嗨，守住性能底线后再做技术创新，用实车效果说话； 用数据驱动的思维做开发，做好数据闭环，注重评测迭代； 不做简单的规则堆叠，传统方法要提炼简洁优雅的“解析解”； 重视工具开发，提升研发效率，打开算法黑盒，尽量做解释性强的方案。 精益求精，打磨产品细节，做出亮点，提升产品体验。 1. 负责轨迹预测、行为决策、路径规划和运动控制等算法开发，并完成嵌入式量产平台部署； 2. 基于海量数据进行道路参与者行为预测算法研发，设计高性能、高准召、高稳定的预测模块； 3. 开发交互式决策和预测模型，改善自动驾驶车辆在复杂环境中的应对能力； 4. 负责自动驾驶系统产品级仿真引擎的架构设计，仿真平台自动化测试及可视化工具链的构建； 5. 构建可扩展的云端仿真框架，以在集群环境中运行批量仿真模拟，减少云端部署和运行成本； 6. 构建完善仿真场景库替代大部分路测，同时生成挑战性的场景增广路测能力； 7. 建立数据自动标注、难例批量挖掘和分析机制工具链，通过数据闭环持续提升算法能力。

智能驾驶系统产品线大规控部门负责城区、高速、停车场等全场景高阶辅助驾驶系统的规控和预测算法开发，同时搭建完善的仿真评测体系提升研发质量和效率。 开发理念： 打破惯性思维，根据问题本质寻找答案和设计解决方案； 不技术自嗨，守住性能底线后再做技术创新，用实车效果说话； 用数据驱动的思维做开发，做好数据闭环，注重评测迭代； 不做简单的规则堆叠，传统方法要提炼简洁优雅的“解析解”； 重视工具开发，提升研发效率，打开算法黑盒，尽量做解释性强的方案。 精益求精，打磨产品细节，做出亮点，提升产品体验。 1. 负责轨迹预测、行为决策、路径规划和运动控制等算法开发，并完成嵌入式量产平台部署； 2. 基于海量数据进行道路参与者行为预测算法研发，设计高性能、高准召、高稳定的预测模块； 3. 开发交互式决策和预测模型，改善自动驾驶车辆在复杂环境中的应对能力； 4. 负责自动驾驶系统产品级仿真引擎的架构设计，仿真平台自动化测试及可视化工具链的构建； 5. 构建可扩展的云端仿真框架，以在集群环境中运行批量仿真模拟，减少云端部署和运行成本； 6. 构建完善仿真场景库替代大部分路测，同时生成挑战性的场景增广路测能力； 7. 建立数据自动标注、难例批量挖掘和分析机制工具链，通过数据闭环持续提升算法能力。

1、进行端到端自动驾驶大模型算法架构设计：研发基于多模态感知（激光雷达、摄像头等）的端到端自动驾驶模型，实现感知-决策-规划端到端建模方法的算法创新和车端应用； 2、探索VLM和VLA方法在端到端自动驾驶场景中的算法创新和应用，建立数据标准，提升自动驾驶困难场景的场景理解和决策规划能力； 3、设计面向端到端自动驾驶的强化学习算法（如多智能体RL、分层RL、逆强化学习），解决长尾场景决策难题。