德赛西威
端到端轨迹预测算法工程师（2027届-上海）
端到端轨迹预测算法工程师（2027届-上海）
发布于 7 天前普通员工/个人贡献者
全职员工仅现场办公AI算法
AI算法
Gnn
Pytorch
多模态预测
深度学习
自动驾驶
轨迹预测
值不值得投
76综合评分
综合评分 76
上海自动驾驶轨迹预测校招算法岗，前沿方向溢价高，成长快但强度不小。
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，方便比较职业起点。
薪资怎么样
2.3万
比AI算法中位数低
发布情况
正常在招 · 7 天前发布
公司情况
这家公司招聘很活跃
18 个在招 · 其中AI算法 7 个
市场机会
选择不多
上海 · AI算法 · 7 个在招
职位详情
关于这个职位
德赛西威2027届上海校招端到端轨迹预测算法工程师，参与自动驾驶中车辆、行人等交通参与者的轨迹预测算法研发，覆盖多模态预测、交互建模与模型部署评估，是自动驾驶感知预测方向的核心算法起点岗
最低要求
计算机、人工智能、自动化、车辆工程、机器人、数学等相关专业硕士及以上学历
熟悉机器学习、深度学习基础知识，了解常见神经网络结构，如MLP、CNN、RNN/LSTM、Transformer、GNN等
熟练使用Python，熟悉PyTorch或TensorFlow等至少一种深度学习框架
了解自动驾驶预测任务或轨迹预测相关方法，如多模态预测、目标交互建模、地图编码、运动特征建模等
具备良好的代码能力和工程实践能力，熟悉Linux环境、Git版本管理及常用数据处理工具
工作职责
参与自动驾驶场景下的交通参与者轨迹预测算法研发，包括车辆、行人、骑行者等目标的未来行为与轨迹建模
协助完成轨迹预测模型的训练、评估与优化，提升预测准确性、鲁棒性与泛化能力
参与多模态轨迹预测、交互建模、地图信息融合、时空特征建模等方向的算法探索与实现
负责相关数据处理、特征工程、数据集构建与实验分析，支持模型迭代与效果验证
跟踪轨迹预测、自动驾驶规划预测、行为预测等领域的前沿论文与开源方案，并进行复现或改进
协助完成模型部署前的性能分析，包括推理速度、显存占用、稳定性等指标评估
优先资格
有轨迹预测、行为预测、路径规划、时序建模、图神经网络或Transformer相关项目经验者优先
AI 洞察
优缺点分析
优点
- 端到端轨迹预测是当前自动驾驶最活跃的方向之一，技术与学术双通道积累
- 算法岗薪酬溢价明显，硕博人才竞争环境相对公平
- 开源社区活跃，成果可量化、可发表
- 前沿方向迭代快，需要持续跟进论文与开源方案，学习强度大
- 模型训练与调参周期长，实验结果不确定性高，对心态是考验
- 适合深度学习基础扎实、有论文复现与建模热情，想在自动驾驶算法方向深耕的硕士应届生
缺点 / 挑战
暂无明显挑战项
角色解读
- 可成长为预测规划方向的资深算法专家或技术负责人，也可向端到端自动驾驶大模型、世界模型等前沿方向拓展
- 轨迹预测经验在自动驾驶与机器人领域通用性高
- 研发自动驾驶场景下车辆、行人、骑行者等目标的轨迹预测算法
- 训练与优化预测模型，探索多模态预测、交互建模、地图融合与时空特征建模
- 负责数据处理与数据集构建，并跟踪前沿论文进行复现改进，评估模型部署性能
- 扎实的深度学习基础，理解MLP、CNN、RNN/LSTM、Transformer、GNN等网络结构
- 熟练使用Python与PyTorch或TensorFlow，具备Linux、Git与数据处理工程能力
- 了解多模态预测、交互建模等轨迹预测方法，论文复现能力强
申请策略
- 面试前熟悉公司智能驾驶产品线与预测规划框架
- 准备一个能讲透建模细节的完整项目，主动讨论改进思路而非仅复述结果
- 列出轨迹预测、时序建模或Transformer相关论文与竞赛成果，注明指标提升幅度
- 展示PyTorch完整项目与数据集构建经验
- 有开源贡献或论文复现仓库务必附链接
- 精读端到端轨迹预测的代表论文并完成复现，整理对比实验
- 补齐GNN与时空建模知识，练习模型推理性能分析（速度、显存）方法
面试指南
- 项目类问题按任务定义-建模方案-消融实验-结果反思展开，突出设计动机
- 方法对比类问题从表达能力和计算代价两个维度分析
- 性能类问题展示量化评估思路与优化手段
- 请介绍一个你主导的预测或时序建模项目及指标结果
- 多模态轨迹预测与单模态相比的核心难点是什么
- 如何设计目标交互建模的方案
- Transformer与GNN在轨迹预测中各自的优势
- 如何评估模型部署前的推理性能
职位点评
薪资福利82
成长发展90
工作生活48
使命价值72
薪资福利
82较高
硕士起招的前沿算法岗在上海薪酬竞争力强，JD未披露具体数字但方向溢价明确。
薪资信号未披露（AI估算：1.8千–2.8万/月）
成长发展
90较高
端到端轨迹预测属自动驾驶最前沿方向，论文复现与开源跟进机制利于快速成长。
技术前沿前沿/新兴技术
技术栈Transformer、GNN、PyTorch、TensorFlow、多模态轨迹预测
成长机会跟踪前沿论文与开源方案，并进行复现或改进
业务类型ambiguous
工作生活
48较低
JD未提及办公模式与作息，算法研发实验周期长，冲刺节点节奏偏紧。
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
72中等
轨迹预测直接关系自动驾驶安全性，技术社会价值明确，JD未额外表述使命。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度开拓性创新（行业首创）
德赛西威 的其他在招职位
相似职位推荐
Watch Jobs