L4自动驾驶核心岗位集结!感知算法/规控算法/预测算法,上海
主导BEV感知模型（BEVFusion/BEVFormer）的架构调优与端到端训练，或专注于模型的部署、量化（INT8）、剪枝与蒸馏，确保在车载芯片（Orin/J5）上高效运行。
开展激光雷达为主，视觉为辅的多传感器融合算法，解决长尾障碍物（石块、垃圾等）的检测与跟踪。
探索轨迹预测前沿算法（VectorNet， MTR， HiVT等），并负责自动标定、在线高精地图建图等创新任务。
硬核背景：统招本科及以上学历，一本院校。5年以上自动驾驶感知经验。
技术匹配：扎实掌握C++/Python，精通PyTorch等框架。经历中必须包含雷达感知，熟悉BEV系列、CenterPoint、PointPillar等模型。
部署经验（关键）：熟悉嵌入式平台（Orin/J5/昇腾），有丰富的模型量化（PTQ，QAT）、剪枝、蒸馏实战经验。
行业视野：来自九识、新石器、仙途等无人物流/环卫公司，或主流乘用车自动驾驶团队。
研发基于采样和优化的横纵向规划算法，如EM Planner、时空联合规划，应对狭窄通道、密集障碍物等环卫特殊场景。
优化运动控制算法（PID/MPC），结合车辆动力学模型，保障车辆在清扫、转向、避障时的平顺性与作业精度。
搭建规划控制仿真与测试平台，制定评估指标，与感知团队协同，解决实车测试中的各类corner case。
硬核背景：统招本科及以上学历，一本院校。5年以上自动驾驶规控或机器人运动控制经验。
技术匹配：精通C++/Python，熟悉ROS/ROS2。对基于采样和优化的规划算法有深刻理解。
行业匹配：有低速无人车（无人物流/环卫）规控实战经验，熟悉环卫作业机理者优先。
加分项：了解ISO 26262功能安全，或有强化学习在规划控制中的落地经验。
研发基于GNN/Transformer架构的轨迹预测算法，实现MTR、QCNet等SOTA模型的训练与优化。
构建场景认知与交互建模能力，针对路口、人行道等高频场景，精准预测行人横穿、车辆变道等行为。
搭建预测算法测试验证平台，输出多模态预测结果，直接为规划决策模块提供关键依据。
硬核背景：统招本科及以上学历，一本院校。2年以上自动驾驶轨迹预测或运动规划经验。
技术匹配：熟悉VectorNet、MTR、HiVT、TNT等算法。有Argoverse等数据集使用经验。
工程能力：熟练使用Python/C++，有ROS开发经验，能将算法工程化部署于车载平台。
行业匹配：有无人物流、无人环卫或乘用车自动驾驶公司相关项目经历。
点击蓝字，关注我，不定时更新职位信息。
职位合适可以联系喔！
