采埃孚
Algorithm Engineer
Algorithm Engineer
发布于 大约 1 小时前普通员工/个人贡献者
上海市
中级经验
全职员工
仅现场办公
硕士
研究与开发 (研发)
ADAS
MATLAB/Simulink
控制理论
轨迹规划
PID
车辆动力学
ROS
MPC
AI 估算 · 20k–35k
算法工程师是自动驾驶热门岗位，硕士学历，上海嘉定，跨国巨头，薪资在行业中等偏上，约20-35k/月。
职位详情
关于这个职位
该职位是采埃孚（ZF）上海研发中心的算法工程师岗位，专注于L2/L3级别高级驾驶辅助系统（ADAS）的规划与控制算法开发
你将参与行为规划、轨迹规划、车辆控制等核心算法的设计与优化，并负责在仿真和实车环境中进行验证与调试，直接支持量产项目交付
适合具备控制理论、车辆动力学基础，熟悉C++并热爱自动驾驶技术的工程师
最低要求
硕士学历，专业方向：控制工程、车辆工程、机器人学、计算机科学或相关领域
扎实的控制理论、车辆动力学、线性代数和优化基础
具备C++编程能力（熟悉Python尤佳），并有Linux开发经验
了解规划/控制算法（如轨迹规划、PID、MPC）的基本知识
熟悉至少一种仿真或开发环境（如MATLAB/Simulink、ROS）为加分项
对ADAS/自动驾驶感兴趣，有在量产导向环境中工作的积极性
良好的分析能力、团队合作精神和学习意愿
CET-6（大学英语六级）
工作职责
开发和维护L2/L3 ADAS的规划与控制算法
根据系统需求设计行为规划、轨迹规划和车辆控制功能
优化ACC、LKA、TJA、NOA等功能的决策与控制性能
基于车辆动力学开发和调优横向与纵向控制算法
在MIL/SIL/HIL及实车测试环境中验证和调试算法
支持系统集成、测试和客户（OEM）项目交付
遵循汽车软件开发流程和功能安全标准（如ASPICE、ISO 26262）
优先资格
熟悉MATLAB/Simulink或ROS等开发环境
AI 洞察
优缺点分析
优点
- 行业前景广阔：ADAS和自动驾驶是汽车行业核心增长点，技术积累保值增值
- 大平台优势：采埃孚是全球领先的汽车零部件供应商，能参与量产项目，积累工程经验
- 技术栈前沿：涉及L2/L3量产算法，融合控制、规划、车辆动力学等多学科知识
- 国际化发展：有机会与全球团队合作，接触跨国项目
- 技术门槛高：要求扎实的多学科基础，需持续学习新工具和新标准
- 工作地点较偏远：上海嘉定距市中心较远，通勤成本高
缺点 / 挑战
- 量产导向压力大：算法需满足严格的功能安全和量产时间节点，容错率低
- 适合对自动驾驶有浓厚兴趣，具备扎实控制或车辆工程背景，愿意在量产环境中磨练技能并承受一定压力的工程师
角色解读
- 在算法深度上，从单一功能模块扩展到系统级算法架构，成为ADAS算法专家
- 在项目管理上，可以转型为技术负责人（Tech Lead）或系统架构师
- 横向发展机会：产品设计、系统集成或客户（OEM）技术对接，拓宽职业道路
- 负责L2/L3 ADAS系统的规划与控制算法开发，包括行为决策、轨迹规划和车辆控制
- 基于车辆动力学模型设计和优化横向纵向控制算法，提升ACC、LKA等功能的性能
- 在MIL/SIL/HIL以及实车环境中进行算法调试和验证，支持量产项目交付
- 遵循ASPICE和ISO 26262等流程和标准，确保功能安全与质量
- 扎实的控制理论和车辆动力学基础，熟悉PID、MPC等控制算法
- 精通C++编程，了解Python，具备Linux开发经验
- 了解轨迹规划、运动规划等ADAS相关算法
- 熟悉MATLAB/Simulink或ROS等仿真开发工具
申请策略
- 了解采埃孚在ADAS领域的产品线（如cubiX、sMOTION等），在面试中体现对公司的兴趣
- 关注L2+到L3的技术挑战，准备阐述你对功能安全与算法可靠性的理解
- 突出与驾驶辅助相关的项目经验，如ACC、LKA、自动泊车等算法开发
- 强调C++能力，展示在Linux下的复杂编程项目或开源贡献
- 量化成果：用指标（如控制精度、响应时间、测试通过率）体现算法优化效果
- 提及使用的仿真工具（MATLAB/Simulink、ROS）和相关课程项目
- 系统复习控制理论（PID、MPC、LQR）和车辆动力学模型
- 补强C++编程，特别是面向对象和设计模式，熟悉STL和数据结构
面试指南
- 对于算法问题，先阐述原理，再结合实际场景给出应用方案，注意性能与安全权衡
- 对于项目经验问题，使用STAR（情境-目标-行动-结果）结构，突出个人贡献和量化成果
- 对于开放性问题，展示系统思维，从需求、设计、验证到部署全链路考虑
- 请解释PID控制器的原理，以及在车辆横向控制中如何调参
- 设计一个ACC功能的纵向控制算法，包括目标车辆跟踪和舒适性约束
- 描述你如何处理规划轨迹中的避障问题，比如基于Frenet坐标系的方法
- 如何验证控制算法的功能安全和性能？你会使用哪些测试手段？
- 请举例说明你解决的一个复杂工程问题，包括思路和工具
职位点评
69
综合评分
跨国巨头ADAS算法岗，前沿技术栈，成长空间大，但地理位置偏且WLB不明确。
更适合这类人
该职位最适合重视技术成长和行业前景，能够接受现场办公和一定通勤距离的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利60
成长发展85
工作生活55
使命价值75
薪资福利
60中等
薪资未具体披露，但采埃孚作为跨国巨头，薪资福利水平较高，处于行业中等偏上。
薪资信号未披露（AI估算：20K-35K/月）
成长发展
85较高
岗位涉及L2/L3前沿算法，技术栈现代，成长信号丰富，提供全球发展机会，但未明确晋升路径。
技术前沿前沿/新兴技术
技术栈C++、Python、MATLAB/Simulink、ROS、控制理论、车辆动力学、ADAS、轨迹规划、MPC、PID
成长机会global development opportunities、flexible working environment
业务类型ambiguous
工作生活
55较低
仅现场办公，地点在嘉定工业园区，通勤不便，未提及弹性工时或远程选项。
工作模式仅现场办公
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
75中等
自动驾驶是高速增长赛道，公司使命强调可持续出行，有一定社会影响力，但岗位本身偏研发，直接社会价值有限。
行业发展高速增长赛道
社会影响中性/一般
使命信号shape future mobility and sustainable systems、contribute to safer, cleaner, affordable mobility for all
创新程度积极采用新技术
Watch Jobs