Horizon Robotics logo
地平线
行车决策规划算法工程师(环境融合方向)

行车决策规划算法工程师(环境融合方向)

发布于 1 小时前

普通员工/个人贡献者

AI 估算 · 3.5–6.5万 · AI 参考估算
中级经验
硕士
全职员工仅现场办公自动驾驶
自动驾驶
Ros
决策规划
环境模型
红绿灯决策

值不值得投

71综合评分

综合评分 71

自动驾驶核心算法岗,技术成长性强,地点明确但WLB信息不足

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

5.0万

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 390 个在招 · 其中自动驾驶 45 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

该职位聚焦辅助驾驶系统中的环境融合与环境模型构建,负责将感知静态要素、导航地图、动态障碍物和红绿灯信息转化为决策规划可用的安全行驶环境

你将参与城区与高速场景的一段式自动驾驶环境认知能力研发,并推动算法工程化落地

最低要求

硕士或以上学历,计算机、自动化、车辆工程或相关专业

熟悉Linux、ROS等开发环境,具有扎实的C++编码能力
熟悉道路模型构建、导航决策、红绿灯决策等相关算法
熟悉感知、地图融合,车端环境推理等

工作职责

负责城区、高速辅助驾驶系统环境模型构建相关算法开发及工程化落地

构建一段式方案自动驾驶环境认知能力以及环境模型的研发
根据感知静态要素、导航地图、感知动态障碍物等,为决策规划构建准确、安全的行驶环境
包括逻辑要素构建、道路拓扑、车道参考线、静态要素关联等
根据上游感知的红绿灯通行性,结合车道属性和模型轨迹,计算红绿灯决策,提升红绿灯的通过率
根据道路拓扑和导航信息,计算导航换道决策,给模型正确的引导,降低偏航率

优先资格

【加分项】:

有自动驾驶行业相关的从业经历,在规控环境模型、环境融合、感知后处理等算法有丰富的经验
具备快速的学习能力和意愿,良好的沟通表达能力,良好的分析解决问题的能力,有抗压能力

AI 洞察

优缺点分析

优点

  • 岗位处于自动驾驶核心链路,直接参与环境模型与决策规划能力建设,技术积累价值高
  • 工作内容覆盖城区、高速、红绿灯、导航换道等真实驾驶场景,业务复杂度高且成长空间大
  • 地平线在智能驾驶芯片和辅助驾驶方案领域具备较强技术属性,岗位能接触车端工程化落地
  • 加分项明确关注规控环境模型、环境融合和感知后处理经验,适合有相关积累的候选人形成优势
  • 环境融合需要同时理解感知、地图、导航和规控,跨模块知识跨度较大
  • 红绿灯决策、导航换道和道路拓扑构建直接影响驾驶表现,对准确性和安全性要求高
  • 适合具备C++工程能力、自动驾驶或机器人算法背景,并希望深入决策规划与环境融合方向的硕士及以上候选人

缺点 / 挑战

  • JD提到抗压能力,说明岗位可能面临复杂场景调试和工程落地压力

角色解读

  • 可沿着环境融合、感知后处理、规控算法等方向持续深耕,成为自动驾驶决策规划链路中的算法专家
  • 随着工程落地经验积累,可承担更复杂场景方案设计,如城区NOA、高速辅助驾驶和一段式模型环境认知
  • 未来也可向系统架构、技术管理或跨团队规控集成负责人方向发展
  • 构建城区和高速辅助驾驶所需的环境模型,把感知静态要素、动态障碍物、导航地图等信息组织成决策规划可理解的环境表达
  • 研发道路拓扑、车道参考线、静态要素关联等逻辑要素,提升自动驾驶系统对道路结构的理解能力
  • 基于红绿灯通行性、车道属性和模型轨迹计算红绿灯决策,提升路口通过表现
  • 结合道路拓扑和导航信息计算导航换道决策,为模型提供正确引导并降低偏航率
  • 需要具备扎实的C++工程能力,并熟悉Linux、ROS等自动驾驶常用开发环境
  • 需要掌握道路模型构建、导航决策、红绿灯决策等决策规划相关算法
  • 需要理解感知、地图融合和车端环境推理,能够把多源信息转化为稳定可靠的环境输出
  • 需要具备问题分析、沟通协作和快速学习能力,以便在规控集成场景中推进算法落地

申请策略

  • 投递前了解地平线在智能驾驶计算方案和辅助驾驶产品上的业务方向,面试中体现对规控集成场景的理解
  • 若可选择北京或上海,建议提前明确自己的地点偏好,并准备好说明相关项目经历与团队协作方式
  • 突出与道路模型、环境融合、感知后处理、地图融合相关的项目经历,说明输入数据、算法方案和最终效果
  • 强调C++、Linux、ROS等工程能力,最好补充性能优化、工程化落地或车端部署经验
  • 如果有自动驾驶行业经历,应具体说明参与过城区、高速、红绿灯、导航决策或车道级环境构建任务
  • 用量化指标呈现成果,如通过率提升、偏航率下降、拓扑准确率提升或系统稳定性改善
  • 复习道路拓扑、车道参考线、静态要素关联、感知地图融合等环境模型核心知识
  • 加强C++工程实践能力,熟悉Linux调试、ROS消息机制和自动驾驶常用数据流

面试指南

  • 项目类问题按“背景与目标—输入数据—算法方案—工程实现—指标结果—复盘改进”的结构回答
  • 算法类问题先说明安全约束和系统边界,再展开技术方案,最后补充异常场景和兜底策略
  • 工程类问题围绕C++实现、Linux/ROS调试、性能优化、模块解耦和测试验证展开
  • 如何基于感知静态要素、动态障碍物和导航地图构建决策规划可用的道路拓扑?
  • 红绿灯决策中如何结合通行性、车道属性和模型轨迹,提升通过率并保证安全?
  • 导航换道决策如何降低偏航率,遇到地图或感知误差时如何兜底?
  • 你在C++工程开发中如何保证算法模块的实时性、稳定性和可维护性?
  • 请介绍一个你参与的环境融合或感知后处理项目,包括难点、方案和结果

职位点评

薪资福利72
成长发展86
工作生活45
使命价值78

薪资福利

72中等

JD未披露薪资和福利信息,无法判断薪酬竞争力;岗位要求硕士背景和自动驾驶算法经验,通常对应较高技能门槛。

薪资信号未披露(AI估算:3.5千–6.5万/月)

成长发展

86较高

岗位覆盖环境模型、环境融合、红绿灯决策和导航换道等自动驾驶核心算法,技术深度和工程落地机会较突出。JD未提及明确培训或晋升路径。

技术前沿前沿/新兴技术
技术栈Linux、ROS、C++、环境模型、道路模型构建、导航决策、红绿灯决策、感知地图融合、车端环境推理
业务类型ambiguous

工作生活

45较低

JD明确工作地点为北京市和上海市,但未提及远程、弹性办公、双休或加班情况,生活化动机相关信息不足。

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

78中等

岗位服务于辅助驾驶系统环境认知与决策规划能力建设,技术方向与智能驾驶场景落地相关。JD未直接描述社会价值或使命导向表述。

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
Watch Jobs