初速度
决策规划算法架构师/TL
决策规划算法架构师/TL
发布于 3 小时前基层主管/组长
全职员工仅现场办公自动驾驶
自动驾驶
Pomdp
决策规划
博弈论
强化学习
数值优化
深度学习
自动驾驶
计算几何
值不值得投
79综合评分
综合评分 79
自动驾驶核心算法架构/TL岗，技术前沿且成长空间大，薪资竞争力强，但工作挑战与强度较高。
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
6万
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
选择适中
苏州 · 自动驾驶 · 13 个在招
职位详情
关于这个职位
该职位负责自动驾驶决策规划（Planning）模块的架构设计与系统开发，利用深度学习、强化学习等算法提升系统的交互与决策能力
你需要基于海量路测数据构建数据驱动的工具链，并开发高性能的数值优化与计算几何算法，使自动驾驶系统更贴近人类驾驶习惯
最低要求
自动化、计算机、人工智能、车辆等相关专业硕士及以上学历
较强的编程能力，熟悉C++、Python，良好的代码风格和系统设计能力
扎实的数理基础，熟悉最优化/控制理论/深度学习/强化学习等算法中至少两种
优秀的沟通与协作能力
优秀的学习能力和建模分析能力，需要多维视角和创新思维解决复杂场景下的难题
机器学习方向要求深刻理解DL/RL相关算法，有丰富的研究和实践经验
工作职责
稳定可靠且易于扩展的Planning架构设计与系统开发
通过DL/RL/POMDP/Game Theory等算法提升决策规划交互能力，使系统表现更加符合人类驾驶习惯
基于海量路测数据构建完整的数据驱动算法工具链，构建高效规划训练及评测系统等
高性能高效率的数值优化和计算几何算法开发
优先资格
复杂系统工程经验，优秀开源项目研发经历
RoboMaster, RoboCup等机器人比赛或ACM竞赛获奖者
熟悉自动驾驶技术栈和主流Planning算法框架
有Robotaxi/Robotruck/无人配送/机器人等领域Planning算法落地应用经验
AI 洞察
优缺点分析
优点
- 处于自动驾驶核心赛道，决策规划是L4级自动驾驶的“大脑”，技术壁垒高，行业前景广阔
- 能够接触到海量真实路测数据与前沿算法（DL/RL/POMDP），技术成长空间极大
- 担任架构师/TL角色，既能深耕技术架构，又能锻炼团队管理与项目统筹能力
- 自动驾驶长尾场景（Corner Cases）复杂多变，解决复杂场景下的难题需要极高的抗压能力与创新思维
- 适合具备扎实数理与算法基础，有自动驾驶或机器人规划算法落地经验，且渴望在技术与管理双线发展的资深算法工程师
缺点 / 挑战
- 算法落地对实时性与安全性要求极高，系统性能优化与工程化落地面临较大技术挑战
角色解读
- 纵向可向自动驾驶算法总监、首席科学家等高级技术管理岗位发展
- 横向可拓展至端到端自动驾驶、多智能体博弈等前沿交叉领域，成为行业顶尖技术专家
- 负责自动驾驶决策规划（Planning）模块的整体架构设计与核心系统开发，确保系统的稳定性与可扩展性
- 运用深度学习、强化学习、POMDP及博弈论等前沿算法，优化车辆交互与决策能力，使其更拟人化
- 搭建基于海量路测数据的数据驱动算法工具链，包括高效的规划训练与评测系统
- 精通C++与Python，具备优秀的代码风格与系统架构设计能力
- 扎实的数理基础，深入掌握最优化、控制理论、深度学习或强化学习中的至少两种算法
- 具备复杂场景下的建模分析能力与多维视角的创新思维
申请策略
- 了解初速度的“飞轮式”自动驾驶技术路线与量产/无人驾驶双线战略，面试时结合其业务特点阐述你的架构思路
- 重点突出在Robotaxi、无人配送或机器人等领域的Planning算法实际落地经验与业务成果
- 展示在DL/RL/POMDP等算法上的深入研究，以及在复杂系统工程或优秀开源项目中的核心贡献
- 强调C++/Python系统架构设计能力，以及高性能数值优化和计算几何算法的开发经验
- 提前熟悉主流Planning算法框架（如Apollo、Autoware等）及端到端自动驾驶的最新技术趋势
- 复习并强化博弈论、POMDP在自动驾驶交互场景中的应用案例与代码实现
面试指南
- STAR法则：针对项目经验，按照情境(Situation)、任务(Task)、行动(Action)、结果(Result)结构化表达，突出个人贡献与业务价值
- 技术深度+工程广度：回答算法问题时，先讲清数学原理与模型推导，再补充在C++工程化中的性能优化手段（如计算几何优化、内存管理）
- 请分享一个你主导的复杂Planning算法落地项目，遇到了哪些长尾场景难题，是如何解决的？
- 在基于海量路测数据构建数据驱动工具链时，如何保证训练与评测系统的高效性与准确性？
- 请详细讲解你如何使用POMDP或博弈论来优化自动驾驶车辆在复杂交互路口（如无保护左转）的决策？
- 作为架构师/TL，你如何平衡算法的前沿探索与工程落地的稳定性、实时性要求？
- 准备2-3个具有代表性的自动驾驶规划算法项目，深入复盘其中的架构设计、算法选型与踩坑经验
- 了解初速度最新的量产自动驾驶方案及其技术架构，思考你的技术栈如何赋能其业务
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
算法架构师/TL属于核心高薪岗位，结合一线城市自动驾驶行业的市场水平，薪资竞争力强，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：4千–8万/月）
成长发展
90较高
岗位涉及深度学习、强化学习、POMDP等前沿技术，且要求构建数据驱动工具链，技术成长空间极大，处于行业技术前沿。
技术前沿前沿/新兴技术
技术栈C++、Python、DL、RL、POMDP、Game Theory、数值优化、计算几何
业务类型ambiguous
工作生活
50较低
JD未提及任何工作模式与WLB相关信息，无法判断其工作强度与办公灵活性。
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
自动驾驶是极具社会价值与前景的赛道，决策规划算法直接关乎行车安全与未来出行方式的变革，使命感强。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
Watch Jobs