卡特彼勒
Senior Decision & Planning Engineer
Senior Decision & Planning Engineer
发布于 大约 14 小时前普通员工/个人贡献者
北京市 / 上海市
高级经验
全职员工
仅现场办公
硕士
机器学习工程
Mpc
Ros2
多智能体协同
多目标优化
矿山无人驾驶
行为决策
轨迹规划
AI 估算 · 30k–50k
高级自动驾驶算法岗，外企薪资竞争力强，技术壁垒高，市场薪资水平。
职位详情
关于这个职位
该职位投身矿山无人驾驶行业，负责研发无人矿卡的‘大脑’——决策规划模块
你将设计行为决策、路径与轨迹规划算法，处理有人/无人混行、多车协同等复杂场景，确保车辆安全高效运行
要求扎实的C++/Python功底和自动驾驶规划经验，极具技术挑战性
最低要求
任职要求：
硕士及以上学历，自动驾驶、机器人、控制、车辆工程、计算机等相关专业，5年以上自动驾驶、机器人或无人系统决策规划相关经验，有量产或实车落地经验优先
熟悉行为决策、状态机、轨迹规划、速度规划、多目标优化和Cost Function设计
熟练掌握C++/Python，熟悉Linux、ROS/ROS2、Git、Docker等工程环境
熟悉A、Dijkstra、RRT/RRT、Hybrid A*、Lattice、Frenet、MPC、非线性优化等规划方法
理解车辆运动学/动力学、非完整约束、制动距离、坡度影响、低附着和重载车辆可行域
具备多智能体交互、交通规则建模、路权决策、预测与规划耦合经验者优先，了解功能安全、SOTIF、RSS或自动驾驶安全策略设计者优先
工作职责
岗位职责：
设计并开发矿山无人驾驶行为决策、场景状态机和任务级规划逻辑，负责有人车、无人车、辅助作业车辆及采装设备混行场景下的通行策略
负责交叉口、会车、跟车、让行、汇入、排队、装载区和卸载区等作业场景规划，设计多车协同、路权管理、车队通行效率优化及云端调度与车端规划协同机制
开发全局路径规划、局部轨迹规划和速度规划算法，输出安全、平顺、可执行轨迹，结合重载、空载、长下坡、低附着、狭窄道路和非结构化道路特征进行约束建模
设计代价函数和优化策略，平衡安全、效率、车辆可执行性和作业连续性
设计感知异常、定位不确定、通信中断、车辆故障等场景下的降级策略和MRM行为，与感知、预测、定位、控制、安全和调度平台协同定义模块接口和端到端工作流
负责仿真、SIL/HIL、实车测试和数据闭环，推动规划问题定位、复现和持续优化
优先资格
加分项：
有矿山、港口、园区、物流场、工程机械或复杂封闭场景无人驾驶项目经验
有混编混行、多车协同、V2X、云端调度集成或车队级交通管理经验
有Apollo、Autoware或大规模自动驾驶平台开发经验
有强化学习、模仿学习、AI-based Planning或多智能体决策探索经验
AI 洞察
优缺点分析
优点
- 卡特彼勒是行业巨头，提供全球资源与稳定平台
- 矿山无人驾驶是刚需场景，技术落地价值高
- 矿山环境复杂，可能需要频繁出差到现场测试
- 与感知、控制等团队协作要求高，沟通成本较大
缺点 / 挑战
- 涉及复杂混行与多车协同，技术挑战性强，成长快
- 算法要求高，需要兼顾安全、效率、可执行性，压力较大
- 适合有自动驾驶规划经验、热爱技术挑战、愿意深入工业现场解决问题的工程师
角色解读
- 成为自动驾驶决策规划领域专家，主导核心算法架构
- 可向车队协同、云端调度等方向扩展，走向技术管理岗位
- 在卡特彼勒这样的国际化平台，有机会参与全球项目，职业发展空间大
- 设计矿山无人驾驶决策规划算法，包括行为决策、状态机、路径/轨迹规划等
- 处理有人车、无人车混行及多车协同场景，制定路权与通行策略
- 开发仿真、实车测试流程，负责数据闭环和算法持续优化
- 熟练使用C++/Python，掌握Linux、ROS2等工程工具
- 熟悉A*、Hybrid A*、MPC、Lattice等经典规划算法
- 理解车辆运动学/动力学，具备多目标代价函数设计能力
申请策略
- 了解卡特彼勒矿山无人驾驶业务，在面试中体现对工程落地的理解
- 准备一些现场测试或问题定位的案例，展示解决实际问题的能力
- 突出实车落地或量产项目经历，尤其是决策规划相关
- 详细描述处理过的复杂场景（如混行、交叉路口）和算法优化成果
- 展示C++/Python编程能力和工程化能力（如ROS2、Docker）
- 系统复习常见路径规划算法（A*、Hybrid A*、MPC）的数学原理
- 学习多智能体协同和交通规则建模，了解V2X概念
- 熟悉Apollo或Autoware开源平台，增强项目实践经验
面试指南
- 使用STAR法则，清晰描述项目背景、任务、行动和可量化结果
- 对于算法问题，从输入、输出、约束和优化目标入手，逐步展开
- 强调安全性，并说明如何通过仿真和测试验证方案
- 请介绍一次你设计轨迹规划算法的项目，如何权衡安全与效率？
- 在混行场景下，你会如何设计行为决策状态机？
- 如何处理感知数据延迟或定位不准时的降级策略？
- 请比较Frenet和Cartesian坐标下的轨迹规划优劣
- 复习车辆运动学模型和非完整约束等基础知识
职位点评
78
综合评分
外企高级自动驾驶算法岗，技术前沿、薪资优厚，但现场环境多、WLB一般。
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
最看重技术成长和薪酬回报，能接受现场出差和较强工作压力的求职者。
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45
使命价值80
薪资福利
85较高
卡特彼勒作为跨国企业，提供具有竞争力的薪酬和稳定的福利，但JD未披露具体数字。
薪资信号未披露（AI估算：30K-50K/月）
成长发展
92较高
职位涉及自动驾驶前沿技术，研发内容深度大，能显著提升技术竞争力。
技术前沿前沿/新兴技术
技术栈C++、Python、ROS2、A*、Hybrid A*、MPC、Lattice、Frenet、多目标优化、多智能体
业务类型ambiguous
工作生活
45较低
矿山无人驾驶项目需要较多现场支持，工作地点和出差安排可能影响生活平衡，JD未提供远程或弹性工作信息。
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
80较高
该职位通过无人驾驶技术提升矿山作业安全与效率，具有明显的行业价值和社会意义。
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building a better world、progress and innovation
创新程度积极采用新技术
卡特彼勒 的其他在招职位
相似职位推荐
Watch Jobs