中国重汽
无人驾驶软件开发岗
无人驾驶软件开发岗
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
决策规划
动力学建模
实车部署
控制算法
轨迹跟踪
值不值得投
73综合评分
综合评分 73
上市车企核心研发岗，聚焦自动驾驶控制算法与实车落地，技术前景广阔但需适应调试节奏。
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。
薪资怎么样
2.3万
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
56 个在招
职位详情
关于这个职位
该职位主要负责无人驾驶车辆的运动学与动力学建模，以及决策规划、轨迹跟踪和控制算法的设计、开发与优化
同时需要负责算法的工程化落地，包括实车部署、调参与测试，推动自动驾驶技术的实际应用
最低要求
专业要求：车辆工程、自动化、控制理论与控制工程等相关专业
工作职责
负责车辆运动学与动力学建模
负责决策规划、轨迹跟踪、横向和纵向控制算法与系统逻辑的设计、开发与优化
负责规划控制算法的工程化实现、实车部署、调参与测试
AI 洞察
优缺点分析
优点
- 依托大型上市车企，拥有丰富的实车测试资源和数据支持，极大利于算法的工程化落地
- 自动驾驶是汽车行业核心发展方向，行业前景广阔，岗位技术壁垒高，个人核心竞争力强
- 适合车辆工程、自动化等相关专业背景，对自动驾驶技术有浓厚兴趣，且具备较强动手能力和抗压能力的求职者
缺点 / 挑战
- 实车调试和部署可能面临复杂的现场环境和较高的工作强度，需要较强的抗压能力
- 控制算法的工程化落地对理论与实践结合的能力要求极高，解决长尾问题（Corner Case）的技术挑战大
角色解读
- 从初级算法工程师成长为自动驾驶控制算法专家或系统架构师，掌握核心底层技术
- 未来可向自动驾驶系统总工、技术总监等管理或高阶技术路线发展，主导整体系统方案
- 构建车辆运动学与动力学模型，为自动驾驶系统提供底层物理基础
- 设计并优化决策规划、轨迹跟踪及横纵向控制算法，提升车辆行驶的稳定性和安全性
- 将算法进行工程化落地，完成实车部署、参数调试与性能测试，解决实际场景中的控制问题
- 扎实的自动控制理论、车辆动力学基础，熟悉常用控制算法（如MPC、PID、LQR等）
- 熟练掌握C/C++/Python等编程语言，具备较强的算法工程化实现能力
- 具备实车调试经验，能够排查和解决工程化落地及实车运行中的复杂问题
申请策略
- 了解中国重汽在商用车或重卡自动驾驶领域的布局和业务方向，在面试中展现对商用车自动驾驶场景（如干线物流、港口等）的理解
- 突出在车辆动力学建模、控制算法（如MPC、LQR）方面的项目经验及理论深度
- 强调实车部署、调参及解决实际工程问题的经历，展现从理论到落地的闭环能力
- 展示相关专业的学术背景、竞赛成果或发表的论文，证明专业基础扎实
- 深入学习模型预测控制（MPC）等先进控制算法，并了解其在商用车/重卡上的特殊应用
- 熟悉ROS/ROS2及自动驾驶中间件，提升C++工程化编程与系统架构能力
面试指南
- 采用STAR法则回答项目经验，重点突出“问题定义-算法设计-工程实现-实车验证”的完整闭环
- 理论问题结合公式推导和实际物理意义进行解答，避免纯理论背诵，要联系实际车辆表现
- 请简述车辆运动学与动力学建模的基本原理及常用模型（如二自由度模型）？
- 在轨迹跟踪中，如何设计和优化横向与纵向控制算法？
- 在实车部署和调参过程中，遇到过哪些工程化难题，是如何解决的？
- 请对比MPC、LQR和PID在自动驾驶控制中的优缺点及适用场景
- 复习自动控制原理和车辆动力学核心知识，准备1-2个深度参与的算法工程化落地项目案例
- 了解重卡/商用车自动驾驶的特殊性（如车身长、铰接结构、制动距离长等）及其对控制算法的影响
职位点评
薪资福利75
成长发展85
工作生活50
使命价值80
薪资福利
75中等
上市车企提供相对稳定的薪酬福利体系，自动驾驶岗位技术溢价较高，在济南当地具备较强竞争力。
薪资信号未披露（AI估算：1.5千–3万/月）
成长发展
85较高
岗位涉及自动驾驶核心控制算法及实车落地，技术壁垒高，能积累深厚的行业核心经验。
技术前沿前沿/新兴技术
技术栈车辆运动学建模、动力学建模、决策规划、轨迹跟踪、控制算法、实车部署
业务类型ambiguous
工作生活
50较低
涉及实车部署和调参，可能需要经常前往测试场地，工作节奏受项目进度和测试条件影响较大。
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
自动驾驶技术致力于提升交通安全和运输效率，具有较高的社会价值和行业前瞻性。
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