博世
一段式端到端仿真测试专家_XC
一段式端到端仿真测试专家_XC
发布于 大约 2 小时前普通员工/个人贡献者
上海市
专家级经验
全职员工
仅现场办公
本科
研究与开发 (研发)
深度学习
数据分析
自动驾驶
仿真测试
大模型
端到端
Sil/Hil
场景挖掘
Corner Case
AI 估算 · 30k–50k
端到端自动驾驶测试专家，技术稀缺性强，博世跨国巨头薪资体系完善，结合上海行业水平估算月薪3-5万。
职位详情
关于这个职位
该职位负责构建端到端自动驾驶的仿真测评体系，包括设计测评标准、制定场景策略、执行大规模仿真测试并分析数据
你将与算法和仿真团队紧密合作，确保自动驾驶模型的质量和可靠性，并探索创新的测评方法
适合有深厚自动驾驶测试经验、熟悉端到端技术栈的专家
最低要求
年以上自动驾驶仿真测评经验，其中 1 年左右端到端测评经验
了解主流端到端仿真测评方法，具备丰富的大规模仿真测评执行与数据分析经验
了解深度学习、大模型基本原理，理解一段式端到端技术路线的特点与测评难点
深入理解自动驾驶系统架构，熟悉感知、预测、规划控制全链路技术原理
熟练掌握 Python 进行数据分析与可视化，具备独立完成深度测评分析的能力
计算机科学、车辆工程、自动化等相关专业本科及以上学历
工作职责
端到端测评体系设计与落地
构建面向一段式端到端自动驾驶的测评方法论与质量评估体系
制定端到端系统的测评标准、通过准则与版本验收流程
建立仿真 - 实车测评结果的对标与校准机制，确保测评结论的可信度
与算法团队紧密协作，深度理解端到端模型的技术原理与优化方向
与仿真开发团队对接，提出仿真工具需求，推动仿真能力满足测评要求
场景测评策略与覆盖度管理
制定端到端场景测评策略，定义场景优先级、覆盖度要求与测评深度
基于真实路采数据，挖掘高价值测评场景与 Corner Case
评估场景库的有效性与覆盖度，提出场景补充与优化建议
建立场景难度分级机制，实现测评的分层分级管理
大规模仿真测评执行与分析
负责端到端模型的大规模仿真测评策划与执行，包括回归测试、专项测试、版本发布测试
深度分析仿真测评数据，精准识别算法缺陷、性能退化与回归问题
输出专业的测评报告，包含问题根因分析、性能量化对比、风险评估
跟踪问题闭环，验证算法优化效果，推动质量持续提升
测评工具与方法创新
探索面向端到端大模型的新型测评方法，包括对抗性测试、极限压力测试、长时序闭环测评
研究基于大模型的自动化测评技术，提升问题发现效率与测评自动化化水平
优化测评数据分析方法，建立性能趋势预测与风险预警机制
引入行业先进测评理念，持续提升测评体系的专业性与前瞻性
优先资格
熟悉主流仿真平台，具备自动驾驶SIL/HIL/logsim等测试经验优先
数据挖掘、机器学习背景者优先
AI 洞察
暂无 AI 洞察数据
匹配度报告
Watch Jobs