地平线
端到端算法工程师 （场景泛化方向）
端到端算法工程师 （场景泛化方向）
发布于 2 小时前普通员工/个人贡献者
全职员工仅现场办公自动驾驶
自动驾驶
Meta-Learning
Pytorch
多模态融合
生成式模型
端到端算法
自动驾驶
值不值得投
79综合评分
综合评分 79
聚焦自动驾驶端到端前沿算法，技术成长性极高，薪资预期较好，但工作强度与研发压力较大。
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
4.8万
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 430 个在招 · 其中自动驾驶 36 个
市场机会
选择面较广
北京 · 自动驾驶 · 约 110 个在招
职位详情
关于这个职位
该职位主要负责自动驾驶端到端算法的场景泛化研究，包括传感器、车型和未知场景的泛化能力提升
你需要设计跨传感器和跨车型的算法模型，并处理海量多模态数据以支撑大规模训练，提升自动驾驶系统在长尾场景下的鲁棒性
最低要求
教育背景：计算机科学、人工智能、自动化、车辆工程或相关专业博士/硕士，具有2年以上自动驾驶或机器人领域算法研发经验
技术能力：
· 深入理解领域自适应（Domain Adaptation）、域泛化（Domain Generalization）、元学习（Meta-Learning）等泛化技术体系，并有实际项目应用经验
· 熟悉自动驾驶感知、预测、规划各模块的核心算法，了解不同传感器特性与车型动力学差异对算法的影响
· 对数据驱动的泛化策略有系统性理解，包括但不限于数据增强、域随机化、对抗训练等
· 具备基于大规模路测数据的深度学习模型训练与迭代经验，熟悉PyTorch等主流框架
工作职责
传感器泛化（Sensor Generalization）
研究跨传感器配置（不同分辨率、视场角、安装位置）的感知模型泛化算法
设计传感器无关的特征表示学习方法
探索基于多模态传感器融合的鲁棒感知架构，实现单一传感器失效或更换情况下的性能保持
车型泛化（Vehicle Generalization）
研究面向不同车型平台的决策规划算法泛化方法
场景泛化（Scene Generalization）
研究面向未知地理区域、不同交通规则、异质交通参与者行为模式的算法泛化能力
探索面向长尾场景自动挖掘的数据策略
海量数据处理与训练策略
研究面向跨车型、跨传感器、跨场景的海量多模态数据训练策略，支撑大规模训练
优先资格
· 在CVPR/NeurIPS/ICLR/ICRA等顶会发表论文者优先
· 在跨车型部署、跨城市快速迁移、传感器换型适配等实际量产项目中有一线经验
· 熟悉生成式模型（扩散模型、世界模型），并有合成数据用于泛化能力提升的实际经验
· 对端到端自动驾驶架构有深入理解，能从全链路视角系统性思考泛化能力构建
AI 洞察
优缺点分析
优点
- 处于自动驾驶端到端算法的前沿方向，技术壁垒高，行业前景广阔
- 团队技术氛围浓厚，有机会在顶会发表论文并参与核心算法的迭代
- 场景泛化与长尾问题是目前自动驾驶领域的公认难题，技术突破难度大，研究周期长
- 需要处理海量多模态数据，对工程落地能力和算力资源调度能力要求极高
- 适合具有扎实深度学习理论基础、对自动驾驶前沿技术有强烈热情，且具备较强工程落地能力的硕博研发人才
缺点 / 挑战
- 依托大型企业的海量数据与算力资源，能接触到大规模量产项目的真实挑战
角色解读
- 纵向可成长为自动驾驶算法专家或首席科学家，主导端到端架构的技术演进
- 横向可向自动驾驶系统架构师或技术管理方向发展，负责跨模块的全链路技术落地
- 研究并开发自动驾驶端到端算法在传感器、车型和未知场景下的泛化能力，提升系统鲁棒性
- 设计跨传感器和跨车型的算法模型，处理海量多模态数据以支撑大规模模型训练
- 探索长尾场景的自动挖掘与数据策略，解决自动驾驶在复杂和未知环境下的落地难题
- 扎实的深度学习基础，精通领域自适应、域泛化、元学习等泛化技术体系
- 熟悉自动驾驶感知、预测、规划核心算法，了解传感器特性与车辆动力学差异
- 具备大规模路测数据处理与模型训练经验，熟练使用PyTorch等主流框架
申请策略
- 提前了解地平线在端到端自动驾驶架构上的最新技术布局与量产车型合作情况
- 重点突出在领域自适应、域泛化或元学习等方向的实际项目经验与落地成果
- 详细列举参与过的自动驾驶感知、预测或规划模块的核心算法开发经历
- 若有顶会论文或跨车型/跨城市量产部署经验，务必在简历显著位置展示
- 深入学习生成式模型（如扩散模型、世界模型）在合成数据生成中的应用
- 提升大规模分布式训练与海量数据处理的工程实践能力
面试指南
- STAR法则：针对项目经验题，按照情境、任务、行动、结果的逻辑清晰阐述
- 问题拆解法：针对系统设计题，先拆解问题维度（如数据、模型、工程），再逐一给出解决方案
- 请详细介绍你在过往项目中如何解决跨传感器或跨场景的域泛化问题？
- 面对未知地理区域或长尾场景，你会如何设计数据策略和算法架构来提升泛化能力？
- 在端到端自动驾驶架构中，你认为感知、预测和规划模块的泛化难点分别是什么？
- 请分享一次你使用大规模路测数据进行模型训练与迭代的完整经验
- 复习并梳理自己在泛化技术（Domain Adaptation/Generalization）方面的核心论文与项目细节
- 了解地平线最新的端到端算法进展及行业内的主流技术路线
职位点评
薪资福利85
成长发展90
工作生活50
使命价值85
薪资福利
85较高
自动驾驶核心算法岗，硕博学历且要求一定研发经验，薪资处于市场较高水平，但JD未明确披露具体薪资与福利细节。
薪资信号未披露（AI估算：3.5千–6万/月）
成长发展
90较高
岗位聚焦端到端自动驾驶场景泛化这一前沿难题，技术深度与广度兼具，能极大提升个人在自动驾驶领域的核心竞争力。
技术前沿前沿/新兴技术
技术栈PyTorch、Domain Adaptation、Domain Generalization、Meta-Learning、多模态融合、生成式模型、端到端自动驾驶
业务类型profit_center
工作生活
50较低
JD未提及工作模式与加班情况，但自动驾驶算法研发通常面临较高的项目交付压力，WLB情况无法明确判断。
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
85较高
自动驾驶技术致力于提升交通效率与安全性，具有显著的正向社会价值，且端到端架构代表了行业未来的技术发展方向。
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