格步
Senior Software Engineer, Planning
Senior Software Engineer, Planning
发布于 大约 14 小时前普通员工/个人贡献者
上海市
高级经验
全职员工
仅现场办公
硕士
具身智能
Carla
Nvidia Isaac
Ros/Ros2
强化学习
模仿学习
路径规划
运动规划
Apollo/Autoware
AI 估算 · 35k–60k
高级自动驾驶算法岗，上海一线水平，含股票激励，薪资范围合理。
职位详情
关于这个职位
加入Grab的自动驾驶团队，负责配送机器人的决策与运动规划算法研发，包括全局路由、横纵向联合规划及室内外复杂场景处理
你将使用C++/Python，结合机器学习方法，在仿真和实车中迭代验证，直接推动最后十米配送的落地
团队技术顶尖，提供有竞争力的薪酬和股票激励
最低要求
计算机科学、人工智能、应用数学、车辆工程或相关专业硕士及以上学历
三到五年自动驾驶或机器人领域规划算法研发经验
扎实的 C++ 编程能力
熟练使用 Python 和 Linux
有 ROS/ROS2 或 Apollo/Autoware 经验
算法方面：熟练掌握经典决策与规划方法（如 Lattice、DP/QP、Hybrid A*、POMDP类方法）
具备实车横纵向联合规划经验
年以上博弈论或交互式环境下的决策规划经验
熟悉模仿学习、强化学习等规划相关机器学习方法
有应对真实世界约束的创新能力
熟悉分层式自动驾驶规划栈，理解上游模块对规划的影响及轨迹质量评估方法
熟练使用 CARLA、NVIDIA Isaac（含 Isaac Sim / Isaac Lab）或类似平台进行算法验证
具备实车调试和日志分析能力
具备利用 AI 工具与系统提升工作效率及驱动创新解决问题的能力
工作职责
设计全局路由、决策与运动规划系统，在保障安全与效率的同时兼顾乘坐舒适性
推进城市公开道路及半封闭园区（包含信号灯/无信号灯路口、人行横道、拥堵/施工等动态条件，以及大型调度区域排队场景）下的全场景自动驾驶
研究非结构化室内环境（狭窄空间、电梯、密集人流）中的非线性多目标规划
参与量化指标定义、数据闭环建设，扩大自动化测试覆盖范围
参与数据驱动的端到端规划研发与场景优化
优先资格
在 ICRA、IROS、IV、CVPR 等顶级会议或期刊上发表过论文
有将端到端规划方案成功部署到实际产品或现场测试的经验
AI 洞察
优缺点分析
优点
- 前沿技术：直接参与自动驾驶和机器人领域最前沿的规划算法研发，技术含量高，竞争力强
- 顶尖团队：与来自世界一流学府、拥有成功实战经验的工程师共事，能快速提升专业水平
- 成长空间：公司处于快速增长期，提供超常规的职业发展机遇和股票激励，分享增长红利
- 工作幸福：倡导高效不加班，提供弹性工时和补充福利，注重员工状态
- 工作节奏：虽然不强制加班，但项目紧张时会有阶段性冲刺，需要适应快节奏和高压环境
- 场景复杂：室内外全场景配送涉及多种非结构化环境，问题解决难度大，需要持续学习和创新
- 适合对自动驾驶/机器人规划有浓厚兴趣、具有扎实算法和工程能力，并追求技术深度和行业影响力的工程师
缺点 / 挑战
- 技术难度大：规划算法需要兼顾安全、效率和舒适性，且要应对真实世界的复杂约束，挑战性高
角色解读
- 技术专家路线：从规划算法工程师成长为自动驾驶/机器人规划领域的资深专家，主导核心算法方向
- 技术管理路线：随着团队扩展，可转向技术负责人或团队管理岗位，带领团队攻克更复杂的业务场景
- 跨领域拓展：基于多学科交叉背景，可向系统架构、产品经理或数据科学等方向发展
- 设计并实现配送机器人的全局路由、决策与运动规划系统，确保安全、效率与舒适性
- 在仿真平台（如CARLA、Isaac Sim）和真实车辆中调试和验证算法，解决非结构化环境中的复杂规划问题
- 参与数据闭环和自动化测试建设，推动规划算法的持续迭代与量化评估
- 与跨职能团队协作，将算法部署到量产机器人上并直接支撑业务落地
- 扎实的C++编程能力，熟悉Python和Linux环境，具备ROS/ROS2或Apollo/Autoware经验
- 深入掌握经典决策与规划方法（Lattice、DP/QP、Hybrid A*等），并有实车横纵向联合规划经验
- 熟悉模仿学习、强化学习等机器学习方法，能将其应用于规划问题
- 熟练使用CARLA、NVIDIA Isaac等仿真平台，并具备实车调试和日志分析能力
申请策略
- 了解Grab的业务和自动驾驶配送的发展方向，在面试中体现对“最后十米”场景的理解
- 准备时关注团队文化，强调自己追求高效、透明沟通的特质
- 突出自动驾驶或机器人规划项目经验，特别是实车部署和调试案例
- 详细描述使用的算法和技术栈，如C++、ROS、Lattice、强化学习等
- 强调在复杂环境下解决实际问题的能力，以及量化结果（如性能指标提升）
- 展示学术成果（如顶会论文）或开源项目贡献
- 深入学习规划算法（如POMDP、博弈论方法）并有实际代码实现
- 熟悉CARLA或Isaac Sim仿真平台，并会搭建简单的规划验证环境
面试指南
- STAR法则：描述情境、任务、行动和结果，突出个人贡献和量化成果
- 结构化思维：从问题定义、方案设计、技术选型、实现与验证逻辑展开，展示系统思考能力
- 强调迭代思想：体现数据驱动和持续改进的思维方式，结合实际日志和仿真分析
- 请介绍一个你参与过的运动规划项目，你在其中的贡献是什么？遇到了哪些挑战？
- 如何设计一个在十字路口无信号灯场景下的决策规划算法？
- 谈谈你对经典规划方法（如Lattice或DP/QP）的理解，它们各自的优缺点和适用场景
- 你如何评估一个规划算法的性能？定义哪些量化指标？
- 在实车调试中，如果发现算法导致车辆表现异常，你会如何排查和解决？
职位点评
84
综合评分
自动驾驶前沿技术，薪资福利优厚，团队顶尖，成长空间大，工作氛围高效不加班，但需现场办公偶有冲刺。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
更适合这类人
适合追求技术成长、渴望在自动驾驶前沿领域深耕，并希望工作有社会意义的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利85
成长发展92
工作生活70
使命价值90
薪资福利
85较高
该职位提供有竞争力的薪酬包和股票激励，福利制度完善，能较好满足对薪资和稳定性的需求。
薪资信号未披露（AI估算：35K-60K/月）
福利待遇Term Life Insurance、Medical Insurance、GrabFlex、Parental and Birthday leave、Love-all-Serve-all (LASA) volunteering leave、Grabber Assistance Programme、FlexWork arrangements、加班调休、出差报销
成长发展
92较高
处于自动驾驶前沿领域，团队顶尖，成长空间大，技术栈先进，能极大满足技能提升和职业发展的需求。
技术前沿前沿/新兴技术
技术栈C++、Python、Linux、ROS/ROS2、Apollo/Autoware、Lattice、DP/QP、Hybrid A*、POMDP、模仿学习、强化学习、CARLA、NVIDIA Isaac
成长机会高速成长、超常规的职业发展空间、技术自由度、全球化视野、快速精进
业务类型ambiguous
工作生活
70中等
公司倡导高效不加班，提供弹性工时和调休制度，但需现场办公且偶有阶段性冲刺，生活平衡较好但有限。
工作模式仅现场办公
办公地点未明确
加班情况明确说明WLB/不加班
工作生活平衡告别996、没有强制加班、加班调休、FlexWork arrangements
使命价值
90较高
职位直接解决真实配送和劳动力短缺问题，社会价值明显，行业前景广阔，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
使命信号帮助解决劳动力短缺、推动东南亚向前发展、打通机器人配送的最后十米
创新程度积极采用新技术
格步 的其他在招职位
相似职位推荐
Watch Jobs