1. 端到端系统 -构建强大且扩展性强的端到端系统，设计和训练端到端模型，规模化解决自动驾驶问题； -应用生成模型、模仿学习、强化学习等提升模型规划及推理能力； 2. 数据与模型迭代 -探索数据采集与数据生成方法，提升训练数据的多样性与质量； -研究并实现适用于预训练与后训练阶段的最优数据使用策略。 1. 计算机科学、机器人学、控制工程、应用数学等相关专业硕士/博士在读； 2. 熟练掌握深度强化学习（DRL）、模仿学习（Imitation Learning）、序列决策（POMDP）等方法的理论与实践； 3. 熟悉PyTorch框架，具备Python/C++编程能力及Linux开发经验； 4. 了解经典决策规划算法（如A*、RRT*、MPC）或控制理论（如车辆动力学模型）； 5. 熟悉自动驾驶决策规划任务（行为决策、轨迹生成、交互建模）及数据集（nuPlan、Waymo Motion Dataset）； 6. 具备多智能体系统、博弈论、不确定性推理（Bayesian Networks）经验者优先； 7. 在CoRL、ICRA、IROS等机器人/自动驾驶顶会发表决策规划相关论文，或参与Apollo、Autoware等开源项目； 8. 熟悉决策规划开源框架，有机器人路径规划（如无人机、机械臂）开发经验； 9. 对复杂系统建模有强烈兴趣，具备严谨的逻辑思维与跨学科协作能力。 招聘部门：自动驾驶技术部 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