初速度
Deep Learning Planning R&D Engineer
Deep Learning Planning R&D Engineer
发布于 3 小时前普通员工/个人贡献者
全职员工仅现场办公自动驾驶
自动驾驶
Deep Generative Model
数据结构与算法
自动驾驶
值不值得投
79综合评分
综合评分 79
自动驾驶核心算法岗、前沿技术栈、技术成长空间大，但WLB与薪资细节未明确。
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
4.5万
比自动驾驶中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
73 个在招
市场机会
选择面较广
北京 · 自动驾驶 · 约 170 个在招
职位详情
关于这个职位
该职位主要负责自动驾驶场景下的深度学习规划（Planning）算法设计、实现与评测，参与高速及城区等场景的量产交付，并搭建维护相关数据产线
适合具备扎实深度学习与数学基础，致力于推动无人驾驶技术落地的算法研发人才
最低要求
计算机、机器人、人工智能等相关专业，熟练使用 C++、Python，有良好的数据结构和算法基础及代码规范
有深度学习算法背景，和扎实的数学基础，且具备预测、规划的背景知识
工作职责
负责 Deep Learning Planning 算法设计，实现与离线评测/实车路测
负责高速高架及城区等场景自动驾驶的量产交付，并逐步朝终局无人驾驶前进
负责 Deep Learning Planning 数据产线及离线评测的搭建与维护
优先资格
有相关算法（Deep Learning Prediction，Deep Learning Planning，Deep Reinforcement Learning，Imitation Learning，Deep Generative Model等）经历的优先
有机器学习领域顶级会议期刊论文发表的优先
有ACM等编程比赛获奖经历的优先
AI 洞察
优缺点分析
优点
- 处于自动驾驶与人工智能前沿赛道，技术壁垒高，个人技术成长空间巨大
- 参与量产交付与实车路测，能积累宝贵的工程落地与闭环迭代经验
- 公司处于C轮及以后，具备较强的行业竞争力与资源支持
- 算法从离线评测到实车路测的落地难度大，需应对复杂多变的真实交通场景
- 适合具备扎实数学与编程基础、有深度学习或自动驾驶相关研究背景，且渴望在无人驾驶量产落地中发挥核心作用的算法研发人才
缺点 / 挑战
- 技术迭代极快，需要持续跟进顶会论文与前沿算法，学习压力较大
角色解读
- 从算法工程师成长为自动驾驶规划算法专家或技术负责人
- 未来可向自动驾驶系统架构师或无人驾驶量产交付技术总监方向发展
- 负责自动驾驶深度学习规划算法的设计与实现，进行离线评测与实车路测
- 推动高速、城区等复杂场景的自动驾驶量产交付，向终局无人驾驶目标迈进
- 搭建并维护深度学习规划的数据产线与离线评测系统，保障算法迭代效率
- 精通C++与Python，具备扎实的数据结构、算法与数学基础
- 拥有深度学习背景，熟悉预测、规划及强化学习、模仿学习等前沿算法
- 具备优秀的代码规范与工程落地能力，能将算法从理论转化为实车应用
申请策略
- 了解初速度在量产自动驾驶与无人驾驶两条腿走路的技术路线，面试时可结合其实际落地场景准备技术见解
- 突出在深度学习规划、预测、强化学习或模仿学习方面的项目经验与研究成果
- 强调C++/Python编程能力，展示ACM等竞赛获奖经历或顶会论文发表记录
- 体现算法从理论到实车或仿真环境落地的工程化能力与数据闭环经验
- 深入学习自动驾驶规划算法（如基于学习的规划、端到端模型），提升C++工程化部署能力
- 熟悉自动驾驶数据闭环流程与离线评测体系的搭建方法
面试指南
- 采用STAR法则描述项目经历，重点突出算法设计的创新点、工程落地的难点攻克以及最终带来的性能提升
- 对于评测系统，从数据流、指标设计、自动化闭环等角度系统性回答
- 请详细介绍你参与过的深度学习规划或预测算法项目，遇到了哪些难点及如何解决？
- 在自动驾驶规划中，如何平衡基于规则的方法与基于深度学习的方法？
- 你的强化学习或模仿学习背景如何应用到自动驾驶的决策规划中？
- 如何搭建一个高效的深度学习规划离线评测系统？
- 请描述一次你将算法从仿真环境部署到实车路测的经历
- 复习自动驾驶规划领域的经典与最新顶会论文，了解初速度当前的量产技术方案
职位点评
薪资福利85
成长发展90
工作生活50
使命价值85
薪资福利
85较高
自动驾驶核心算法岗，技术门槛高，一线城市薪资具备较强竞争力，但JD未明确披露具体薪资与福利细节。
薪资信号未披露（AI估算：3千–6万/月）
成长发展
90较高
处于自动驾驶前沿技术赛道，涉及深度学习规划、强化学习等尖端技术，且有顶会论文要求，技术成长与学术工程结合的空间极大。
技术前沿前沿/新兴技术
技术栈C++、Python、Deep Learning、Planning、Deep Reinforcement Learning、Imitation Learning、Deep Generative Model
业务类型ambiguous
工作生活
50较低
JD未提及工作模式与WLB相关信息，无法判断其工作强度与办公灵活性，生活化动机满足度未知。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
85较高
致力于推动终局无人驾驶的实现，参与高速及城区自动驾驶量产交付，具有极强的科技使命感与行业社会价值。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号朝终局无人驾驶前进
创新程度积极采用新技术
Watch Jobs