吉利汽车
动力学前瞻技术研究岗
动力学前瞻技术研究岗
发布于 大约 19 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
Matlab/Simulink
Pytorch
Tensorflow
模型预测控制
深度强化学习
端到端算法
车辆动力学
鲁棒控制
值不值得投
72综合评分
综合评分 72
前沿AI车辆控制研究岗，技术成长性强，但工作模式和福利未明确。
从起薪待遇、成长路径、工作节奏和岗位方向综合评估，方便比较职业起点。
薪资怎么样
15K
比自动驾驶中位数低
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 2220 个在招 · 其中自动驾驶 62 个
市场机会
选择适中
宁波 · 自动驾驶 · 31 个在招
职位详情
关于这个职位
该职位是吉利汽车的动力学前瞻技术研究岗，主要负责AI数字底盘主动安全功能的研发与优化，应用深度强化学习、端到端算法等前沿技术，并建立底盘动力学数据集
岗位涉及高级控制算法的集成验证，并与高校或外部机构合作进行创新技术研发，适合车辆工程、控制科学等相关专业的应届硕士毕业生
最低要求
届硕士及以上学历毕业生，车辆工程、控制科学与工程、人工智能、机器人、计算机、自动化等相关专业
系统掌握现代控制理论，对深度强化学习、端到端算法、鲁棒控制、模型预测控制等前沿算法有扎实的理论基础和研究兴趣
熟悉车辆动力学基本理论，了解底盘主动安全功能（如ABS、ESC、TCS等）的基本原理及应用场景
具备一定的编程能力，熟练使用Python或C++，熟悉至少一种深度学习框架（如TensorFlow、PyTorch），了解Matlab/Simulink的基本使用
有AI算法在控制系统或机器人领域应用的相关研究经验（包括毕业设计、实验室项目、竞赛经历或论文发表），对数据集的采集标准与测试流程有基本认知
具备较强的自驱力与创新精神，善于跨团队沟通协作，对AI技术与车辆底盘控制的交叉领域有浓厚兴趣
工作职责
负责AI数字底盘主动安全功能的研发与持续优化、改进、扩展
负责AI及高级算法在AI数字底盘开发当中的应用，包括但不限于深度强化学习、端到端算法，有限时间鲁棒控制器、鲁棒预测控制器
负责建立底盘动力学数据集工作，包括制定数据集采集标准、测试手段和测试流程
负责高级控制算法的集成与验证工作
对AI及现代控制算法有深入的理解及一定的实战经验(包括发表过控制算法与应用方面的技术论文）
与高校或外部研发机构合作，联合研发创新技术
AI 洞察
优缺点分析
优点
- 前沿技术领域：涉及AI、深度学习、控制算法等热门方向，技术积累价值高
- 行业前景广阔：汽车智能化是高速发展赛道，岗位有长期成长空间
- 公司平台大：吉利汽车作为跨国企业，提供资源支持与合作机会
- 研发与学术结合：有与高校合作机会，利于技术探索与论文发表
- 研发周期长：前沿技术从研究到落地可能耗时较长，成果不易短期显现
- 适合对AI与车辆控制有浓厚兴趣、具备较强研究能力和创新精神、愿意深入技术前沿的应届硕士毕业生
缺点 / 挑战
- 技术难度高：需要扎实的控制理论、深度学习知识，对算法实战经验要求较高
- 竞争压力：智能汽车领域人才密集，需持续保持技术领先
角色解读
- 可深耕AI与车辆动力学交叉领域，成为算法专家或技术负责人
- 可向项目管理或团队管理方向发展，负责更复杂的智能底盘系统研发
- 在汽车行业智能化趋势下，有机会参与核心产品研发，提升行业影响力
- 负责AI数字底盘主动安全功能的研发、优化与扩展，如ABS、ESC等
- 应用深度强化学习、端到端算法等前沿技术进行底盘控制算法开发
- 建立底盘动力学数据集，制定采集标准、测试流程，并进行算法集成验证
- 与高校或外部机构合作，共同探索AI与车辆控制交叉领域的创新技术
- 系统掌握现代控制理论，具备深度强化学习、鲁棒控制等前沿算法的理论基础
- 熟悉车辆动力学原理和底盘主动安全功能，了解应用场景
- 熟练使用Python或C++编程，掌握TensorFlow或PyTorch等深度学习框架，了解Matlab/Simulink
- 具备AI算法在控制系统或机器人领域的研究经验，如毕业设计、竞赛或论文发表
申请策略
- 研究吉利汽车的智能化战略和AI数字底盘技术进展，在面试中展示你对公司的了解
- 准备一份技术项目集（如GitHub仓库或论文摘要），以便在面试中具体阐述你的研究经历
- 突出车辆工程、控制科学等相关专业背景，强调课程项目与毕业设计中的算法应用经验
- 展示深度学习框架（如PyTorch）的使用经历，以及Python/C++编程项目
- 列举在控制算法、车辆动力学领域的研究论文、竞赛获奖或实验室项目成果
- 强调跨团队协作经验，如参与多学科项目或与外部机构合作
- 深入学习深度强化学习、模型预测控制等前沿算法，并通过开源项目实践应用
- 加强车辆动力学仿真与测试技能，熟悉Matlab/Simulink建模与验证流程
面试指南
- 使用STAR法则（情境、任务、行动、结果）回答项目经验问题，突出你的角色和贡献
- 技术问题回答时，先阐述基本原理，再结合具体案例或应用说明理解深度
- 对于开放性问题，保持逻辑清晰，可以引用论文或行业实践作为支撑
- 请解释深度强化学习在车辆底盘控制中的应用场景和挑战
- 你如何建立一个底盘动力学数据集？需要考虑哪些采集标准和测试流程？
- 介绍一个你参与过的AI算法在控制系统中的研究项目，包括问题定义、方法和结果
- 描述你对车辆动力学中主动安全功能（如ESC）的理解
- 你如何看待AI技术与传统控制算法的结合？有哪些潜在创新点？
职位点评
薪资福利70
成长发展85
工作生活50
使命价值80
薪资福利
70中等
作为应届生岗位，薪资可能处于市场中等水平，但JD未明确披露具体薪资和福利，补偿性动机满足度有限。
薪资信号未披露（AI估算：12K-18K/月）
成长发展
85较高
岗位涉及AI、深度学习等前沿技术，提供技能成长和研发机会，但JD未明确提及培训或晋升路径。
技术前沿前沿/新兴技术
技术栈深度强化学习、端到端算法、鲁棒控制、模型预测控制、Python、C++、TensorFlow、PyTorch、Matlab/Simulink
业务类型ambiguous
工作生活
50较低
JD未明确提及办公模式或工作生活平衡信息，无法判断工作强度和灵活性，生活化动机满足度不确定。
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
汽车智能化是高速增长赛道，岗位通过AI技术提升安全性能，具有行业影响力和社会价值，但JD未明确提及使命导向。
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