博世
纵向决策算法专家_XC
纵向决策算法专家_XC
发布于 大约 2 小时前普通员工/个人贡献者
上海市
专家级经验
全职员工
仅现场办公
硕士
软件工程
Mcts
博弈论
多线程
嵌入式系统
自动驾驶
Pomdp
St图
纵向决策
AI 估算 · 30k–60k
博世跨国巨头，上海自动驾驶专家级岗位，技能稀缺，市场薪资较高，预估范围合理。
职位详情
关于这个职位
该职位专注于自动驾驶纵向决策算法的研究与实现，涉及基于搜索、博弈论的决策方法、目标选择与轨迹推演
你将与跨职能团队合作，将算法集成到系统架构中，并解决L2++级别的现实挑战
适合具有深厚算法和自动驾驶背景的专家
最低要求
计算机科学、电子工程、数学或相关专业硕士及以上学历
人工智能和自动驾驶专家，精通ST图构建稳定性和准确性、博弈论、交互博弈决策算法，擅长POMDP、MCTS、纳什均衡、逆强化学习（IRL）和人工智能搜索方法、树、图搜索方法
具有C++多线程、嵌入式系统的深厚背景
熟悉A*搜索、动态规划（DP）、多智能体系统的博弈论和图搜索/树搜索
具有C++最优化问题处理的经验，能够对决策稳定性变差的过程中的轨迹稳定性做帮助和计算
需要深入理解路口通过的能力，以及基于车流的参考想模块的生成与基于此的路口Marker的猜测等
需要深入思考纵向决策的KPI，特别是系统级KPI和子系统KPI，具备体系化、场景化的构建PnC KPI的能力
熟悉数值优化原理和工程实现，例如图搜索、树搜索
精通C++、Python等编程语言，具有较强的算法开发和实现编码能力
工作职责
在无图、sd图的情况下设计实现基于搜索、博弈等的纵向决策算法，旨在使用SOTA论文的方法来解决目标选择与筛选、车辆轨迹的推演与拟合
与跨职能团队密切合作，将决策规划算法集成到整个自动驾驶系统架构中
分析和解决与L2++自主性相关的现实挑战，包括噪声输入、不稳定预测，以获得当前Frame下的最优结果和稳定鲁棒的纵向决策逻辑
不断基于论文进行优化和增强决策规划算法，以提高整体系统效率、适应性和可靠性
不断基于论文进行优化和增强车流拟合算法，以提高路口与非结构化道路拓扑的通过性和稳定性
参与项目规划、里程碑设定和进度跟踪，以确保自动驾驶功能及时交付量产
具备阅读和复制论文以解决复杂问题的能力和自我意识
AI 洞察
优缺点分析
优点
- 博世作为跨国巨头，平台大、资源丰富，项目量产导向，技术落地机会多
- 聚焦自动驾驶纵向决策前沿方向（博弈论、MCTS），技能壁垒高，行业竞争力强
- 与跨职能团队合作，能系统性提升系统工程思维和交付能力
- 薪资待遇优厚，专家级岗位福利完善
- 岗位要求同时精通理论（博弈论）和工程（C++、嵌入式），学习曲线陡峭
- 适合在自动驾驶或机器人领域有深厚算法积累，热衷于解决复杂决策问题，且能承受高强度研发节奏的资深工程师
缺点 / 挑战
- 自动驾驶决策算法复杂度高，需要处理噪声、不确定性和实时性要求，工作压力较大
- 量产交付有严格时间线，可能需要应对紧迫的里程碑和迭代压力
角色解读
- 纵向决策算法专家 → 技术负责人/架构师，主导自动驾驶决策模块设计
- 可横向迁移至规划控制全栈或仿真系统开发，拓展技术广度
- 行业需求旺盛，未来可向L4/L5级全自动驾驶决策方向深入
- 设计并实现基于搜索、博弈论的纵向决策算法，解决目标选择和轨迹推演问题
- 与团队协作将算法集成到自动驾驶系统架构中，确保量产交付
- 分析并处理L2++级别自动驾驶中的噪声输入、不稳定预测等现实挑战
- 持续基于前沿论文优化决策和车流拟合算法，提升系统效率和可靠性
- 精通博弈论、MCTS、POMDP、纳什均衡等决策算法，具备论文复现能力
- 扎实的C++多线程和嵌入式系统开发经验，熟悉图搜索（A*、DP）和优化方法
- 深入理解路口通行逻辑、车流参考线生成及KPI体系构建
- 熟悉数值优化原理，能够处理复杂轨迹稳定性和最优性问题
申请策略
- 在面试中展示对纵向决策KPI的体系化思考，不仅会算法，更懂评估和调优
- 关注博世自动驾驶业务方向（如无图城区驾驶），提前了解公司技术路线
- 突出自动驾驶决策相关项目经验，尤其是基于搜索、博弈论的实际应用案例
- 强调C++多线程、嵌入式开发及优化算法（如A*、DP、MCTS）的工程实践
- 列举复现或改进SOTA论文的经历，展示科研转化能力
- 体现对KPI体系和系统级优化的理解，如构建PnC KPI的成果
- 系统复习博弈论、POMDP、MCTS等决策理论基础，并动手实现简单Demo
- 加强C++多线程和数值优化库（如Eigen、Ceres）的编程熟练度
面试指南
- 对于理论算法问题，先阐述基本原理，再结合具体场景（如城区路口）分析优缺点，最后给出改进思路或工程权衡
- 对于系统性问题（如KPI、鲁棒性），采用分层分析法：先定义问题边界，再拆解为子指标（安全、效率、舒适），然后提出对应算法改进或冗余设计
- 对于工程实现问题，着重强调C++优化技巧（内存管理、多线程同步）、仿真验证流程和实车测试经验
- 请解释MCTS在纵向决策中的应用，并举例说明如何处理探索与利用的平衡？
- 在噪声输入下，如何设计鲁棒的纵向决策逻辑？你如何评估其稳定性？
- 描述一个你使用博弈论解决多车交互决策的案例，纳什均衡如何保证？
- 从论文到工程实现，你如何保证算法在嵌入式系统上的实时性？
- 如果你负责的决策算法导致车辆在路口表现不佳，你会如何系统化定位和优化？
职位点评
71
综合评分
前沿自动驾驶决策算法专家岗，技术成长性极强，薪资可观，但工作强度可能较高且弹性不足。
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
最匹配追求技术深度和前沿发展、愿意投入高强度工作以换取高成长的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利75
成长发展90
工作生活40
使命价值65
薪资福利
75中等
博世巨头平台，专家级岗位薪资预测处于市场较高水平，福利完善，但JD未明确说明具体薪资，补偿动机有较好满足但非极致。
薪资信号未披露（AI估算：30K-60K/月）
成长发展
90较高
职位聚焦自动驾驶前沿算法（博弈论、MCTS），要求复现SOTA论文，具备极强的技术成长性。晋升和成长路径虽未明确提及，但行业赛道高速发展。
技术前沿前沿/新兴技术
技术栈博弈论、MCTS、POMDP、纳什均衡、IRL、ST图、A*、动态规划、图搜索
业务类型profit_center
工作生活
40较低
JD未提及远程或弹性工作，推测为现场办公，且自动驾驶研发通常强度较高，未明确WLB信号，生活化动机满足有限。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
65中等
自动驾驶行业有社会价值，但JD未强调使命感或绿色出行等，创新性较强但属行业常见方向，意义感中等。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
博世 的其他在招职位
相似职位推荐
Watch Jobs