-设计基于深度学习的驾驶行为决策模型（如场景理解、交互意图博弈、自车轨迹规划），解决路口通行、变道博弈、礼让行人等复杂交互问题 -研究智能体强化学习（RL）、社会合规行为建模（Socially-Compatible Planning）等技术，提升自动驾驶系统的拟人化水平 -运动规划与轨迹生成 -开发端到端或分层的轨迹规划算法，结合深度学习与经典优化方法，生成平滑、安全、动态可适应的行驶轨迹 -探索不确定性环境下的实时规划策略（如应对突发障碍、极端天气） -交互与泛化能力提升 -构建驾驶员行为预测模型，研究长尾场景（Corner Cases）的决策泛化能力，利用对抗训练、元学习等方法增强系统鲁棒性 -硕士及以上学历，计算机、自动化、车辆工程、机器人学等相关专业 -扎实的机器学习/强化学习/控制理论基础，熟悉常见路径规划算法（A*、RRT等）或预测方法 -熟练掌握C++/Python，具备较强工程实现能力，有大型系统开发经验者优先 -熟悉ROS、CarSim、CarMaker等仿真或车辆动力学工具者优先 -有自动驾驶决策规划、预测或控制相关实习/项目经验者优先 -在ICRA、IROS、CoRL、NeurIPS等顶会发表论文者优先 -逻辑清晰，沟通协作能力强。 招聘对象：面向全球2027届毕业生，毕业时间在2026年9月1日到2027年8月31日之间