DiDi logo
滴滴出行
自动驾驶仿真系统专家工程师 / 仿真平台专家工程师

自动驾驶仿真系统专家工程师 / 仿真平台专家工程师

发布于 1 小时前

普通员工/个人贡献者

AI 估算 · 4.0–7.0万 · AI 参考估算
高级经验
本科
全职员工仅现场办公自动驾驶
自动驾驶
CI/CD
Cuda
Gpu优化
Ros2
系统架构
自动驾驶仿真

值不值得投

80综合评分

综合评分 80

顶尖大厂核心研发岗、前沿技术栈、高成长潜力、高强度技术挑战

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

5.5万

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

约 2390 个在招 · 其中自动驾驶 14 个

市场机会

选择面较广

北京 · 自动驾驶 · 约 230 个在招

职位详情

关于这个职位

负责滴滴自动驾驶仿真平台、集群及工具链的建设与优化,支撑感知、规划等算法的迭代验证

主要工作包括提升仿真吞吐率、资源利用率,设计仿真架构,以及解决GPU和调度层面的效率问题,确保测试验证体系的高效运行

最低要求

计算机、自动化、车辆工程、机器人、电子信息等相关专业,本科及以上

年以上自动驾驶仿真、仿真平台或测试验证相关经验
熟练使用C++/Python,熟悉Linux、Git、Docker、ROS2/ROS、CI/CD等开发工具链
熟悉至少一种主流仿真平台(如CARLA、VTD、Prescan、dSPACE、CarMaker、AirSim、LGSVL等)
了解自动驾驶感知、预测、规划控制、定位、传感器模型、车辆动力学和场景测试方法
具备自动化测试、数据分析、场景构建和问题定位能力,能独立完成仿真用例开发与平台工具开发
熟悉GPU集群的常规优化手段(如硬件编解码、cuda-ipc、MIG、cuda-graph等),能解决GPU相关的效率问题及异常问题定位解决
了解模型推理引擎(如VLLM、Onnxruntime、TensorRT等)
具备良好的跨团队协作能力,能将算法需求转化为可执行、可复现、可量化的仿真验证方案

工作职责

负责自动驾驶仿真平台效率相关指标建设、监控、异常拦截

负责大规模仿真任务调度与执行,优化仿真吞吐、资源利用率、任务失败率和排队时长
设计仿真架构,提升仿真的质量、效率及机器吞吐
建设仿真系统的profile工具,分析、优化仿真器的运行效率

优先资格

有大规模仿真集群、Kubernetes/Slurm调度、并行仿真、任务队列和批量回放经验

有世界模型仿真经验
有HIL/SIL/MIL、车云闭环、数据闭环仿真、端到端模型仿真验证经验
有Prometheus/Grafana/ELK等可观测体系搭建经验,能监控仿真任务状态、失败率和资源消耗
有L4自动驾驶、Robotaxi、仿真评测体系或安全验证经验
在CVPR/ICCV/ICRA/CoRL/NeurIPS等会议发表过相关论文或有开源仿真项目经验

AI 洞察

优缺点分析

优点

  • 处于自动驾驶核心技术栈的关键环节,接触前沿的端到端模型与大规模仿真技术
  • 平台级岗位视野广阔,技术深度与广度兼具
  • 需要同时兼顾上层应用逻辑与底层硬件资源优化,技术栈复杂
  • 适合具备深厚系统工程背景,热衷于性能优化,且对自动驾驶领域有浓厚兴趣的高级技术人才

缺点 / 挑战

  • 大规模集群的性能调优极具挑战性,对问题解决能力要求极高

角色解读

  • 可向自动驾驶仿真架构师、高性能计算专家或测试验证平台负责人方向发展,成为连接算法与基础设施的关键技术骨干
  • 构建和维护自动驾驶仿真平台及集群,确保算法迭代所需的测试环境高效稳定运行
  • 精通C++/Python编程,深入理解GPU计算优化(CUDA)、容器化部署(Docker/K8s)及主流仿真软件架构

申请策略

  • 准备详细的项目案例,展示如何从0到1搭建或优化仿真系统,以及如何量化评估和提升仿真效率
  • 重点突出在仿真平台架构设计、大规模任务调度优化、GPU性能调优方面的具体成果和数据(如吞吐量提升百分比)
  • 强化对CUDA编程、分布式系统调度原理的理解,熟悉主流仿真平台(如CARLA)的源码结构

面试指南

  • 使用STAR法则(情境、任务、行动、结果)回答技术问题,重点强调问题分析的逻辑链条、采用的技术手段以及最终量化的性能提升效果
  • 请描述你曾经优化过的最复杂的仿真系统或集群,遇到了哪些瓶颈?你是如何定位并解决的?
  • 在GPU集群中,如何利用CUDA Graph或MIG等技术提升仿真任务的并发率和资源利用率?
  • 面对大规模仿真任务调度,如何平衡任务优先级、资源竞争和故障恢复?
  • 如何将算法团队的仿真需求转化为标准化的、可自动执行的测试流程?
  • 复习CUDA编程模型、Docker/K8s核心机制,回顾过往项目中关于性能调优的具体细节,准备应对深层的技术追问

职位点评

薪资福利85
成长发展90
工作生活60
使命价值80

薪资福利

85较高

作为已上市的互联网巨头,提供具有市场竞争力的薪酬和完善的福利体系,符合高级技术人才的预期。

薪资信号未披露(AI估算:4.0千–7.0万/月)

成长发展

90较高

岗位涉及自动驾驶最前沿的仿真验证与GPU高性能计算技术,技术壁垒高,成长空间巨大。

技术前沿前沿/新兴技术
技术栈C++、Python、CUDA、Kubernetes、ROS2、TensorRT、CARLA
业务类型profit_center

工作生活

60中等

互联网大厂核心研发部门通常节奏较快,虽未明确提及加班,但此类高技术密度岗位往往伴随较高的工作压力。

工作模式未明确
办公地点市区核心地段
加班情况未提及(无法判断)

使命价值

80较高

投身于自动驾驶这一改变未来出行方式的前沿领域,具有显著的社会价值和技术使命感。

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