博世
自动泊车功能开发工程师_XC
自动泊车功能开发工程师_XC
发布于 大约 2 个月前普通员工/个人贡献者
上海市
高级经验
全职员工
仅现场办公
硕士
软件工程
路径规划
大语言模型
仿真测试
传感器融合
AI Agent
ROS
自动泊车
AI 估算 · 30k–50k
自动驾驶热门领域，技能要求高，匹配市场高端人才薪资
职位详情
关于这个职位
该职位负责自动泊车（APA）和记忆泊车（HPA）功能的开发，包括需求分析、规控算法设计、仿真测试及AI驱动的研发工具搭建
你将深度参与自动驾驶前沿技术，使用C++/Python、ROS、大模型等工具，挑战真实场景下的泊车问题
最低要求
硕士及以上学历，计算机、车辆工程、人工智能、电子信息、机械电子、通信工程等相关专业
精通 C/C++/Python 等编程语言，具备扎实的算法与数据结构基础
熟练掌握 JSON、Markdown等数据或文本格式
具备从零搭建测试 Harness 工程框架的实战经验，精通自动驾驶仿真测试技术，熟练使用常用仿真工具（如CARLA、VTD、PreScan等）及自动化测试脚本开发
精通 ROS 框架，具备 Linux 或 QNX 系统下的量产项目开发与调试经验
熟练掌握软件架构设计模式，具备丰富的智驾域控端应用软件开发经验，熟悉各类中间件，并有算力与系统资源优化经验
精通路径规划算法（如强化学习、混合A*、TEB、Lattice及基于AI的规划算法等），至少在2个量产或重点客户项目中成功应用上述算法，实现泊车功能及性能提升
熟悉常用车辆纵向与横向控制算法，深入理解其原理及优劣势
熟悉泊车场景的感知方案及应用趋势，了解低速车载传感器（摄像头、超声波、毫米波雷达、激光雷达）及多传感器融合感知算法，具备跨模块协作与系统级优化能力
熟悉车载IMU、GPS及多传感器融合定位技术
具备自动泊车量产项目经验者优先
洞察泊车领域算法发展趋势，具备新算法预研与落地能力
熟练掌握大模型辅助编程技巧（如 Vibe Coding），精通提示词与上下文工程
精通 Harness 工程，必须能通过严格的自动化验证闭环，确保 AI 辅助生成的代码符合车规级量产标准
具备独立搭建研发效能类 AI Agent 的能力，精通 Skill 开发（将工程工具与流程封装为Agent可调用的技能插件），熟练掌握 MCP 协议
有利用大语言模型（LLM）加速ADAS领域内代码开发、测试或问题分析的经验者优先
工作职责
需求与架构设计：负责自动泊车（APA）及记忆泊车（HPA）功能的客户需求分析，设计并持续优化车端业务逻辑与软件架构
规控算法开发：负责泊车规控算法的设计、开发、优化与重构，制定算法KPI，并主导系统异常（如coredump）及复杂Bug的分析与修复
创新功能拓展：负责泊车场景下创新性功能的预研、开发与验证，对标竞品并融合用户体验反馈，持续提升泊车系统产品力
实车调测与闭环：负责APA/HPA功能的实车联调、性能测试及问题分析定位，确保车端功能性能的高质量交付
AI驱动基建搭建：主导构建可持续开发的 Harness 工程框架（涵盖MIL/SIL、开闭环仿真等），为规控算法的快速迭代与自动化验证提供支持
研发智能体与 Skill 开发：搭建面向研发流程的 AI Agent 架构，开发智能体 Skill 插件，将代码生成、Log分析、仿真触发等工程动作封装为可调用工具，实现研发流程的自动化与智能化
LLM 辅助开发：运用大语言模型（LLM）辅助编码与算法迭代，设计高质量的任务指令与上下文管理策略，提升代码产出效率
工程文档规范化：编写并维护高质量技术文档与配置文件（JSON/Markdown/HTML等），沉淀开发知识、测试用例与提示词模板，提升团队协作效率
AI 洞察
优缺点分析
优点
- 博世作为全球汽车零部件巨头，平台大，项目资源丰富，技术积累深厚
- 涉及自动泊车这一自动驾驶核心场景，技术前沿，有机会接触AI与LLM结合的新范式
- 职位涵盖从算法到工程全链路，技能成长全面，包括仿真、智能体开发等
- 技术要求极高，需同时掌握传统规控算法、大模型、仿真框架等，学习曲线陡峭
- 职位强调AI自动化，需适应快速迭代的工具链和编程范式
- 适合有自动驾驶或机器人背景，热爱技术攻坚，愿意拥抱AI辅助开发，追求深度技术成长的高级工程师
缺点 / 挑战
- 自动泊车对安全性要求严格，量产压力大，可能面临高强度的开发与调试任务
角色解读
- 可向自动驾驶系统架构师或技术专家方向发展，深入算法或系统集成
- 积累泊车领域经验后，可横向扩展至行车、感知等ADAS其他模块
- 掌握AI和自动化工具后，可转型为研发效能或工具链专家
- 负责自动泊车功能的客户需求分析，设计车端业务逻辑与软件架构
- 开发并优化泊车规控算法，包括路径规划与控制算法，解决系统异常及复杂Bug
- 搭建AI驱动的研发基础设施，包括仿真测试框架和研发智能体，实现开发流程自动化
- 运用大语言模型辅助编码和算法迭代，提升开发效率
- 精通C/C++/Python，扎实的算法与数据结构基础
- 熟悉ROS、Linux/QNX，有量产项目开发经验
- 精通路径规划算法（如混合A*、TEB、Lattice等），并有实际应用经验
- 掌握大模型辅助编程、AI Agent开发及MCP协议，能构建自动化研发工具
申请策略
- 研究博世在自动泊车领域的技术布局，面试时展示对业务的理解
- 强调对工程质量和车规级标准的重视，符合量产要求
- 突出自动泊车或相关ADAS量产项目经验，特别是路径规划算法的实际应用成果
- 展示仿真测试框架搭建经历，如使用CARLA、VTD等工具的自动化测试流水线
- 强调大语言模型在开发中的使用案例，例如利用LLM生成代码或分析日志
- 体现跨模块协作能力，如与感知、定位团队联调的经验
- 提前熟悉Harness工程框架和MCP协议，可以自己搭建一个小型AI Agent练习
- 复习路径规划与控制算法的核心原理，特别是混合A*和Lattice等
面试指南
- 对于技术问题，采用STAR法则：背景-任务-行动-结果，强调量化成果
- 对于设计类问题，先明确需求，再提出方案，最后讨论权衡
- 对于AI辅助问题，结合实际案例，说明工具如何提升效率，并注意车规级质量
- 请描述你在自动泊车项目中负责的规控算法，以及如何优化路径规划的实时性？
- 你如何搭建一个Harness仿真框架？遇到过哪些挑战？
- 如何利用大语言模型辅助代码开发？请举例说明
- 当你发现泊车过程中出现coredump，你会如何定位和修复？
- 解释一下你如何设计一个研发AI Agent，包括Skill插件和MCP协议的使用
职位点评
65
综合评分
大厂自动驾驶研发，前沿技术栈，薪资有竞争力，工作强度可能较大。
更适合这类人
最适合追求技术深度和前沿领域、愿意接受高强度挑战的工程师。
表现最好
成长发展
相对薄弱
工作生活
薪资福利60
成长发展85
工作生活40
使命价值75
薪资福利
60中等
薪资未明确披露，但博世作为大厂提供有竞争力的薪酬，福利未提及，综合补偿性满足中等。
薪资信号未披露（AI估算：30K-50K/月）
成长发展
85较高
职位涉及前沿AI和自动驾驶技术，有丰富的技能成长机会，且要求掌握大模型等新兴工具，发展性动机满足度高。
技术前沿前沿/新兴技术
技术栈C/C++、Python、ROS、大语言模型、AI Agent、MCP、仿真测试
业务类型profit_center
工作生活
40较低
仅现场办公，未提及弹性工作或WLB，推测有一定工作强度，生活化动机满足度较低。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值
75中等
自动驾驶是高速增长赛道，技术创新性强，但社会影响力中性，整体有较好的意义感。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs