必备条件:
1、计算机科学、人工智能、机器人、控制工程、数学等相关专业硕士及以上学历。
核心能力
2、多传感器数据融合技术，大模型与自回归建模：有*、扩散模型或生成式AI相关经验，能结合时序建模解决轨迹预测问题。
3、熟悉深度强化学习框架（如PPO、DQN），具备复杂状态空间下的策略训练与迁移能力。
技术栈要求
4、编程语言：熟练使用Python/C++，有量产落地项目的经验者优先。
软性素质
5、具备独立解决复杂问题的能力，逻辑严谨，对技术细节有极致追求。
6、优秀的跨团队协作与沟通能力，能推动算法从理论到落地的全流程。
7、有带领团队算法项目攻坚经验，能带动团队的共同成长
优先条件:
1、计算机科学、人工智能、机器人、控制工程、数学等相关专业硕士及以上学历。
核心能力
2、多传感器数据融合技术，大模型与自回归建模：有Transformer、扩散模型或生成式AI相关经验，能结合时序建模解决轨迹预测问题。
3、熟悉深度强化学习框架（如PPO、DQN），具备复杂状态空间下的策略训练与迁移能力。
技术栈要求
4、编程语言：熟练使用Python/C++，有量产落地项目的经验者优先。
软性
岗位职责:
岗位职责
设计并实现高精度定位的多模态数据融合方案（如GPS、IMU、视觉等），提升环境感知与定位鲁棒性。
开发端到端的定位及轨迹预测算法，结合自回归模型（AR）或时序建模技术，实现复杂交通场景下的高可靠性决策
探索大模型（如Transformer、GNN）在自动驾驶中的应用，设计基于强化学习（RL）的决策优化框架，提升动态环境下的安全性和效率。
研究并实现基于强化学习的运动规划算法，结合奖励函数设计与策略优化。
将算法部署至实际终端，完成实时性、稳定性优化，推动算法在真实场景中的闭环迭代。
技术攻坚与创新
跟踪学术界与工业界最新进展（如BEV感知、diffusion policy、模仿学习等），主导关键技术预研与原型开发。
任职要求:
任职要求
1、计算机科学、人工智能、机器人、控制工程、数学等相关专业硕士及以上学历。
核心能力
2、多传感器数据融合技术，大模型与自回归建模：有Transformer、扩散模型或生成式AI相关经验，能结合时序建模解决轨迹预测问题。
3、熟悉深度强化学习框架（如PPO、DQN），具备复杂状态空间下的策略训练与迁移能力。
技术栈要求
4、编程语言：熟练使用Python/C++，有量产落地项目的经验者优先。
软性素质
5、具备独立解决复杂问题的能力，逻辑严谨，对技术细节有极致追求。
6、优秀的跨团队协作与沟通能力，能推动算法从理论到落地的全流程。
7、有带领团队算法项目攻坚经验，能带动团队的共同成长。