白犀牛

岗位职责： 1. 负责L4级无人物流车末端配送场景下行车与泊车决策规划算法的研发与迭代：行车侧覆盖人车混行、狭窄巷道、非机动车交互等复杂动态场景；泊车侧覆盖配送点位精准停靠、狭窄/异形/无划线车位的自主泊入泊出等高频末端任务； 2. 面向轻无图架构（轻图/无图，Map-lite / Map-free），基于实时感知结果在线构建可行驶区域与环境拓扑表征，研发不依赖高精地图的自主泊车与精准停靠规划方案，实现算法在园区、社区、写字楼等多样化末端场景间的强泛化迁移； 3. 构建最优化理论与Learning化模型深度融合的混合式决策规划框架：以数值优化、时空联合规划、MPC、几何求解等保证解的可行性、实时性与可解释性，以模仿学习、强化学习、扩散模型、Transformer等提升场景理解与泛化能力，支撑鲁棒、高效、泛化性强的量产系统研发； 4. 负责端到端自动驾驶系统中决策规划相关的网络设计、数据挖掘与强化学习算法的开发、训练与上车部署，推动学习化模型在量产链路中的验证与闭环落地； 5. 建设数据驱动的算法迭代与评测体系：持续挖掘极端场景与长尾问题，构建场景库、仿真评测与回归验证能力，支撑决策规划算法快速、安全、可持续地数据驱动迭代； 6. 参与量产系统的工程化落地，解决实时性、鲁棒性、安全冗余与可解释性等量产核心问题，协同感知、定位、控制、整车与运营团队，助力L4车队规模化运营与商业化落地。 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. 具备扎实的决策规划、数值优化、计算几何、搜索/推理算法基础，对算法原理有清晰理解，熟悉采样搜索类（Hybrid A*、RRT、Lattice）与优化求解类（QP、iLQR、MPC）规划方法中至少一类的方法体系； 3. 具备C++编程经验（在校课程实践、项目实践均可），具备良好的代码风格与工程实现能力，熟悉Python者优先； 4. 了解NOA/APA/LCC等量产智驾功能与系统架构，对无图泊车（AVP）、轻图方案的技术路线有认知与思考者优先； 5. 对模仿学习、强化学习、扩散模型、Transformer等Learning化方法在决策规划中的应用有理解或初步实践经验； 6. 具备良好的问题拆解、技术攻坚与跨团队协作能力，学习能力强、责任心强，对自动驾驶量产落地有热情与长期投入意愿。 【加分项】 场景与工程方向：有L4级无人物流车、末端配送机器人相关科研/课程项目经验；有自动驾驶仿真、数据闭环、车载部署优化（TensorRT、模型量化、嵌入式实时优化）相关实践经验； 模型与理论方向：复现或改进过UniAD、VAD等端到端自动驾驶范式，有基于Transformer、扩散模型、模仿学习/强化学习的规划模型深度实践经验；有无图泊车（AVP）/轻图架构的研究或实践；有数值优化、运筹学、机器人学习相关竞赛获奖或成果； 学术成果：在ICRA、IROS、CVPR、CoRL、RSS等会议/期刊发表过决策规划、学习化规划、优化理论相关论文者优先。