白犀牛

岗位职责： 1. 负责预测-决策一体化算法的研发与迭代：设计并实现预决策模型，嵌入“感知—预测—决策—规划”模块化架构，贯通轨迹预测与行为决策之间的信息链路，着力降低从预测到决策规划的信息损失与误差累积； 2. 针对机非混行、快递站点、狭窄园区等典型末端场景，研发交互感知的行为决策算法：合理给出超让（超车/让行）、绕行等语义决策，保障无人车在复杂交互环境中安全、高效通行，持续提升决策的合理性、安全性与时序一致性（抑制决策抖动与模态跳变）； 3. 融合学习化模型与规则/优化方法构建预决策框架：将Transformer时序预测、博弈交互建模、模仿学习/强化学习等与规则化决策逻辑深度结合，兼顾预测精度、决策实时性与可解释性，保证算法架构的高效性、鲁棒性和可扩展性； 4. 参与数据pipeline搭建与数据驱动的模型开发：配合评测系统定位决策类 bad case，持续挖掘交互冲突、超让失败、绕行异常等高价值场景数据，以指标（决策准确率、安全性、通行效率、一致性等）驱动模型与策略的闭环迭代； 5. 处理线上相关问题，参与预决策模型与后处理模块的迭代优化，掌握工程问题排查与解决思路，保障量产系统的稳定性与实时性； 6. 主动跟踪预测-决策一体化、端到端、强化学习等前沿技术动态，参与联合预测规划（Joint Prediction & Planning）等方向的新技术调研与初步探索，培养技术敏感度。 岗位要求： 1. 硕士及以上学历，2027届应届生，计算机、自动化、人工智能等相关专业； 2. 具备扎实的数据结构与算法基础，对算法原理有清晰理解，具备良好的逻辑思维与抽象建模能力； 3. 掌握Python/C++编程语言，了解主流深度学习框架（PyTorch/TensorFlow），有相关编程实践或课程项目经验者优先； 4. 了解时序预测与概率推理算法（LSTM/Transformer/Kalman滤波等），理解多模态轨迹预测的基本范式与不确定性表征方法； 5. 对行为决策、博弈论、强化学习、模仿学习等决策相关方法有认知或初步实践，对“预测不确定性如何影响下游决策”这一问题有思考者优先； 6. 对自动驾驶领域有浓厚兴趣，学习能力强、责任心强，具备良好的沟通协作能力和问题解决能力。 【加分项】 领域方向：有轨迹预测、行为预测、联合预测规划、博弈交互建模等相关方向的科研/课程项目/竞赛经历（如nuPlan、Waymo预测与运动规划挑战赛等）；有机非混行、园区物流机器人等复杂交互场景的项目实践经验； 模型方向：熟悉端到端自动驾驶模型（UniAD、VAD等范式），有模仿学习、强化学习、扩散模型/生成式模型在预测或决策任务中的实践经验；有POMDP、Stackelberg/Level-k等博弈决策建模经验； 工程与学术：有仿真评测、数据闭环、bad case分析工具链的建设经验；在ICRA、IROS、CoRL、CVPR、NeurIPS等会议/期刊发表过预测、决策相关论文者优先。