工作内容： （先加微信：duke-simon 拿项目手册，画像精准再做单） 核心算法研发： 负责端到端自动驾驶算法的研究与开发工作，探索基于深度学习、强化学习、BEV（Bird's Eye View）、Transformer等前沿技术的感知-决策-规划一体化模型。 模型设计与训练： 设计和构建大规模驾驶数据驱动的端到端模型架构。 负责或参与大规模数据采集、清洗、标注体系的设计，以及高质量数据集的构建。 进行大规模分布式模型训练、调优、蒸馏与部署。 仿真与验证： 搭建端到端算法的仿真测试环境，设计评估指标，对模型进行大规模仿真验证和迭代优化。 技术落地： 推动算法在车端平台的部署与优化，解决实际落地过程中的性能、延迟、corner case等问题。 技术跟踪： 跟踪国际顶级学术界（如CVPR, NeurIPS, ICRA）和工业界在端到端驾驶方面的最新进展，并能够进行复现和创新。 任职要求（Qualifications）: 学历与专业： 硕士及以上学历，计算机科学、人工智能、自动化、车辆工程（智能化方向）、数学等相关专业。（该岗位普遍要求研究生起步，博士占比很高） 经验与技能： 必备经验： 扎实的机器学习/深度学习基础，熟练掌握PyTorch或TensorFlow等主流框架。 具备强大的编程能力，熟练掌握Python和C++。 在以下至少一个领域有深入的研究或项目经验： 计算机视觉： 熟悉BEV感知、3D目标检测、语义分割等。 强化学习： 有深度强化学习（DRL）、模仿学习（Imitation Learning）、逆强化学习（IRL）等项目经验，特别是其在决策规划中的应用。 自动驾驶规控： 熟悉传统规划控制算法（如Lattice Planner, MPC），并了解其与学习方法的结合。 大模型： 有Transformer、GPT等生成式模型或大规模预训练模型的研发经验。

工作内容： 核心算法研发： 负责端到端自动驾驶算法的研究与开发工作，探索基于深度学习、强化学习、BEV（Bird's Eye View）、Transformer等前沿技术的感知-决策-规划一体化模型。 模型设计与训练： 设计和构建大规模驾驶数据驱动的端到端模型架构。 负责或参与大规模数据采集、清洗、标注体系的设计，以及高质量数据集的构建。 进行大规模分布式模型训练、调优、蒸馏与部署。 仿真与验证： 搭建端到端算法的仿真测试环境，设计评估指标，对模型进行大规模仿真验证和迭代优化。 技术落地： 推动算法在车端平台的部署与优化，解决实际落地过程中的性能、延迟、corner case等问题。 技术跟踪： 跟踪国际顶级学术界（如CVPR, NeurIPS, ICRA）和工业界在端到端驾驶方面的最新进展，并能够进行复现和创新。 任职要求（Qualifications）: 学历与专业： 硕士及以上学历，计算机科学、人工智能、自动化、车辆工程（智能化方向）、数学等相关专业。（该岗位普遍要求研究生起步，博士占比很高） 经验与技能： 必备经验： 扎实的机器学习/深度学习基础，熟练掌握PyTorch或TensorFlow等主流框架。 具备强大的编程能力，熟练掌握Python和C++。 在以下至少一个领域有深入的研究或项目经验： 计算机视觉： 熟悉BEV感知、3D目标检测、语义分割等。 强化学习： 有深度强化学习（DRL）、模仿学习（Imitation Learning）、逆强化学习（IRL）等项目经验，特别是其在决策规划中的应用。 自动驾驶规控： 熟悉传统规划控制算法（如Lattice Planner, MPC），并了解其与学习方法的结合。 大模型： 有Transformer、GPT等生成式模型或大规模预训练模型的研发经验。