纵向决策算法专家_XC

公司描述

 

 

职位描述

职位描述： 

1.在无图、sd图的情况下设计实现基于搜索、博弈等的纵向决策算法，旨在使用SOTA论文的方法来解决目标选择与筛选、车辆轨迹的推演与拟合。 

2.与跨职能团队密切合作，将决策规划算法集成到整个自动驾驶系统架构中。 

3.分析和解决与L2++自主性相关的现实挑战，包括噪声输入、不稳定预测，以获得当前Frame下的最优结果和稳定鲁棒的纵向决策逻辑。 

4.不断基于论文进行优化和增强决策规划算法，以提高整体系统效率、适应性和可靠性。 

5.不断基于论文进行优化和增强车流拟合算法，以提高路口与非结构化道路拓扑的通过性和稳定性。 

6.参与项目规划、里程碑设定和进度跟踪，以确保自动驾驶功能及时交付量产。 

7.具备阅读和复制论文以解决复杂问题的能力和自我意识。 

职位要求

任职要求： 

1.计算机科学、电子工程、数学或相关专业硕士及以上学历。 

2.人工智能和自动驾驶专家，精通ST图构建稳定性和准确性、博弈论、交互博弈决策算法，擅长POMDP、MCTS、纳什均衡、逆强化学习（IRL）和人工智能搜索方法、树、图搜索方法。 

3.具有C++多线程、嵌入式系统的深厚背景。熟悉A*搜索、动态规划（DP）、多智能体系统的博弈论和图搜索/树搜索。 

4.具有C++最优化问题处理的经验，能够对决策稳定性变差的过程中的轨迹稳定性做帮助和计算。 

5.需要深入理解路口通过的能力，以及基于车流的参考想模块的生成与基于此的路口Marker的猜测等。 

6.需要深入思考纵向决策的KPI，特别是系统级KPI和子系统KPI，具备体系化、场景化的构建PnC KPI的能力。 

7.熟悉数值优化原理和工程实现，例如图搜索、树搜索。 

8.精通C++、Python等编程语言，具有较强的算法开发和实现编码能力。 

其他信息

 

该岗位需要经验丰富的人工智能和自动驾驶工程师，专门从事自动驾驶的纵向决策、最优车辆选择、综合最优决策。在规划、控制和优化技术方面的专业知识，如树搜索、蒙特卡洛树搜索（MCTS）、纳什均衡以及基于车辆生成跟车轨迹的搜索优化方法。在多线程C++并发开发、数值优化和嵌入式系统方面有很强的背景。热衷于开发稳健鲁棒的纵向决策算法以及车辆轨迹拟合算法，以推进无图城区纵向目标选择与最优决策选择以及车辆轨迹拟合算法。