工作职责:

-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
-研究多智能体强化学习（MARL）、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

任职要求:

-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，或具备同等研究经验
-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
-熟悉PyTorch/TensorFlow框架，具备Python/C++编程能力及Linux开发经验
-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）
-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）
-具备多智能体系统、博弈论、不确定性推理（Bayesian Networks）经验者优先
加分项：
-在CoRL、ICRA、IV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
-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
软技能：
-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