初速度
端到端算法工程师（Planning）
端到端算法工程师（Planning）
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
Pytorch
世界模型
强化学习
端到端规划
自动驾驶
行为决策
轨迹规划
值不值得投
75综合评分
综合评分 75
前沿自动驾驶端到端算法岗，技术成长空间大、行业前景广阔，但量产落地压力大、WLB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
4万
与自动驾驶中位数基本持平
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 160 个在招
职位详情
关于这个职位
该职位负责自动驾驶数据驱动的端到端决策规划算法研发，涵盖行为决策、轨迹规划等核心模块
你需要主导算法架构设计，结合世界模型、多模态大模型等前沿技术，解决复杂城市场景的长尾问题，并推动算法从原型开发到大规模前装量产的全流程落地
最低要求
硕士及以上学历，计算机科学与技术、自动化、车辆工程、应用数学、机器人学、控制科学与工程等相关专业
扎实的算法与数学功底，精通最优控制、数值优化、强化学习、博弈论、机器人运动规划、车辆动力学等核心理论
精通自动驾驶决策规划全链路技术体系，具备1年及以上端到端决策规划算法研发经验，熟悉行为克隆、逆强化学习、世界模型、多模态大模型等数据驱动规划技术
熟练掌握C++/Python编程语言，精通PyTorch/TensorFlow等深度学习框架，具备良好的代码规范、工程化思维与算法落地能力
具备优秀的问题拆解与落地能力，能够独立分析并解决实车路测中的复杂场景问题，有自动驾驶算法实车调试经验
具备良好的团队协作与跨部门沟通能力，有强烈的技术进取心、自驱力与结果导向意识
工作职责
负责自动驾驶数据驱动的端到端决策规划算法研发，涵盖行为决策、轨迹规划、多智能体交互博弈、人车混行场景处理等核心模块，支撑高速、城市、泊车全场景自动驾驶产品落地
主导端到端规划算法架构设计与迭代优化，包括但不限于基于世界模型、多模态 Transformer、大语言模型的端到端规划框架，实现感知-预测-规划-控制的全链路联合优化
负责端到端规划算法的模型设计、训练调优、泛化能力与鲁棒性提升，搭建配套的数据集建设、自动化评测体系、数据闭环链路，攻克复杂城市场景的长尾问题与Corner Case
负责算法的工程化实现、实车调试与量产落地，对接感知、仿真、控制、量产合规等跨部门团队，完成算法从原型开发到大规模前装量产的全流程落地
跟踪自动驾驶决策规划领域前沿技术进展，开展关键技术预研与创新突破，推动公司端到端自动驾驶核心技术的持续升级，保持行业技术领先性
优先资格
博士学历优先
AI 洞察
优缺点分析
优点
- 处于自动驾驶端到端技术爆发的风口，能接触到世界模型、多模态大模型等最前沿的AI技术
- 业务覆盖高速、城市、泊车全场景，且有大规模前装量产落地机会，技术成就感与商业价值高
- 适合具备扎实数学与算法功底、对自动驾驶前沿技术有强烈热情，且具备较强工程落地与抗压能力的算法工程师
缺点 / 挑战
- 复杂城市场景的长尾问题（Corner Case）极具挑战性，需要持续投入精力进行数据闭环与模型调优
- 跨部门协同要求高，需频繁对接感知、仿真、控制及量产合规团队，沟通与工程落地压力大
角色解读
- 纵向可成长为端到端规划算法专家或技术架构师，主导下一代自动驾驶核心算法演进
- 横向可向自动驾驶系统架构师或技术管理方向发展，统筹感知、预测、规划与控制的全链路协同
- 研发自动驾驶端到端决策规划算法，涵盖行为决策、轨迹规划及多智能体博弈等核心模块
- 设计并优化基于世界模型、多模态Transformer等前沿技术的规划框架，实现全链路联合优化
- 推动算法工程化与实车调试，解决复杂城市场景长尾问题，完成从原型到量产的全流程落地
- 扎实的数学与算法功底，精通最优控制、强化学习、博弈论及车辆动力学等核心理论
- 熟练掌握C++/Python及PyTorch/TensorFlow等深度学习框架，具备优秀的工程化落地能力
- 熟悉行为克隆、逆强化学习、世界模型等数据驱动规划技术，并有实车路测调试经验
申请策略
- 提前了解初速度在量产自动驾驶上的落地进展，面试时结合具体业务场景阐述技术见解
- 重点突出端到端决策规划、强化学习或世界模型相关的项目经验，展示在复杂场景下的算法优化成果
- 强调C++/Python工程化能力及实车调试经验，证明具备从算法原型到量产落地的全链路闭环能力
- 深入学习多模态Transformer、大语言模型在自动驾驶规划中的应用，跟进端到端领域的最新顶会论文
- 提升C++高性能编程与系统级优化能力，熟悉自动驾驶中间件及实车部署流程
面试指南
- STAR法则：针对项目经验，清晰描述情境、任务、行动和结果，突出数据指标的提升与量产落地效果
- 系统思维：回答技术问题时，从感知、预测、规划到控制的全链路视角出发，强调模块间的耦合与解耦设计
- 请详细介绍你过往参与的端到端规划算法项目，你是如何解决复杂城市场景下的长尾问题的？
- 在基于世界模型或多模态大模型的规划框架中，你是如何设计奖励函数或损失函数的？
- 当感知模块输出存在误差或延迟时，你的规划算法如何保证系统的安全性与鲁棒性？
- 请分享一次实车路测中遇到的棘手Corner Case，你是如何通过数据闭环和算法迭代解决的？
- 复习最优控制、强化学习、机器人运动规划等核心理论，并准备1-2个自己主导的端到端算法落地案例
- 了解初速度当前的技术路线（如基于数据驱动的端到端方案），思考其与传统模块化方案的优劣对比
职位点评
薪资福利80
成长发展90
工作生活40
使命价值85
薪资福利
80较高
自动驾驶算法岗属于高技术壁垒岗位，结合北京地域及硕士学历、1年以上经验要求，薪资水平处于市场中上游，能提供较好的物质回报。
薪资信号未披露（AI估算：3千–5万/月）
成长发展
90较高
岗位涉及世界模型、多模态大模型等前沿技术，且要求跟踪领域前沿进展，技术成长空间极大，能深度参与自动驾驶核心技术的演进。
技术前沿前沿/新兴技术
技术栈端到端规划、世界模型、多模态Transformer、大语言模型、强化学习、行为克隆、逆强化学习
成长机会跟踪自动驾驶决策规划领域前沿技术进展、开展关键技术预研与创新突破
业务类型profit_center
工作生活
40较低
JD中未提及工作模式与WLB相关信息，但自动驾驶量产落地及实车调试通常伴随较高的工作强度与跨部门协同压力，生活平衡可能受限。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
85较高
自动驾驶技术致力于提升交通安全与出行效率，具有显著的正向社会价值；同时端到端技术是行业变革方向，使命感与行业前景强。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号支撑高速、城市、泊车全场景自动驾驶产品落地、保持行业技术领先性
创新程度开拓性创新（行业首创）
Watch Jobs