卡特彼勒
Autonomy Simulation Engineer
Autonomy Simulation Engineer
发布于 6 个月前普通员工/个人贡献者
北京市 / 上海市
高级经验
全职员工
仅现场办公
硕士
软件工程
传感器仿真
动力学建模
数字孪生
系统架构
CARLA
ROS
自动驾驶仿真
AI 估算 · 35k–55k
自动驾驶仿真属于高技术壁垒领域，结合卡特彼勒的行业巨头地位及对资深工程师的需求，薪资在市场中具备较强竞争力。
职位详情
关于这个职位
该职位是卡特彼勒公司的自动驾驶仿真工程师，主要负责为矿山无人驾驶系统设计并开发仿真平台
你将构建涵盖车辆、后台控制及算法的全栈仿真环境，通过虚拟测试验证系统性能，以降低实地测试风险并提升开发效率
最低要求
学历与专业：硕士及以上，车辆工程、计算机、仿真工程或相关专业
经验要求：6 年以上系统仿真或无人驾驶相关经验，有工业场景或矿山项目经验优先
技术能力：熟悉仿真平台（如 CARLA、PreScan、Gazebo、Unity）、动力学建模、传感器仿真
掌握 C++/Python/ROS，具备算法验证与测试经验
了解分布式仿真架构、实时仿真优化、数据分析工具
通用能力：良好的跨团队沟通能力、问题分析与解决能力，能适应矿区现场调试
工作职责
系统级仿真架构设计：构建整矿无人驾驶方案的仿真平台，支持多车辆、多场景协同测试
定义矿山无人驾驶系统多层次仿真需求，并交付仿真方案
后台控制系统仿真：实现调度系统、任务分配、路径规划等后台逻辑的仿真验证
无人驾驶车辆与子系统仿真：开发车辆动力学模型、传感器模型，支持单车及多车场景测试
针对关键子系统（感知、控制、通信）进行独立仿真与集成验证
算法仿真与测试：搭建算法仿真环境，验证路径规划、调度、避障等核心算法性能与鲁棒性
场景构建与测试用例开发：基于煤矿无人驾驶场景，设计典型工况与边界条件，生成测试场景库
性能分析与优化：通过仿真数据分析，发现系统瓶颈并提出优化建议，支持迭代开发
工具链与平台维护：维护仿真工具链，支持自动化测试与持续集成，提升开发效率
优先资格
有无人驾驶系统全栈仿真经验（车辆、后台、算法一体化）
熟悉数字孪生技术、场景生成与自动化测试平台开发
有高性能计算、GPU 加速或云端仿真部署经验
AI 洞察
优缺点分析
优点
- 平台优势：卡特彼勒是全球工程机械巨头，能提供稳定的平台、丰富的行业资源及国际视野
- 技术前沿性：专注于矿山无人驾驶这一工业自动驾驶细分蓝海，技术栈兼具深度与独特性
- 技能复合性：工作涉及全栈仿真，能系统性地锻炼从架构设计到算法验证的完整能力
- 技术复杂度高：需要同时精通仿真、自动驾驶算法及特定工业场景知识，学习曲线陡峭
- 工作环境特殊：可能需要适应矿区现场的调试工作，对工作条件和适应性有一定要求
- 适合拥有扎实仿真或自动驾驶背景，对工业应用场景感兴趣，并追求在大型企业平台进行深度技术实践的资深工程师
缺点 / 挑战
- 行业前景：智慧矿山是明确的发展趋势，相关经验在未来就业市场具有较高价值
- 跨领域协作压力：需与算法、车辆、后台控制等多个团队紧密沟通，对软技能要求高
角色解读
- 技术专家路径：深耕仿真技术，可向仿真架构师、首席仿真工程师等高级技术岗位发展
- 项目管理路径：积累项目经验后，可转向无人驾驶或仿真相关的技术项目经理、产品经理
- 行业拓展路径：凭借在工业/矿山场景的仿真经验，可拓展至机器人、智慧物流、数字孪生等更广阔的领域
- 设计并开发矿山无人驾驶系统的全栈仿真平台，涵盖车辆、后台控制及算法模块
- 构建多车辆、多场景的协同测试环境，并开发车辆动力学、传感器等关键模型
- 通过仿真验证路径规划、调度等核心算法的性能与鲁棒性，并分析数据以优化系统
- 维护仿真工具链，支持自动化测试与持续集成流程，提升整体开发效率
- 精通 C++/Python 编程及 ROS 框架，具备扎实的算法验证与测试能力
- 熟悉 CARLA、Gazebo 等主流仿真平台，掌握车辆动力学与传感器建模技术
- 了解分布式仿真架构与实时仿真优化，并具备良好的跨团队沟通与问题解决能力
申请策略
- 仔细研究职位描述中的“加分项”，在申请材料中主动匹配和展示相关经验
- 准备阐述你对“降低现场测试风险、提升开发效率”这一仿真核心价值的理解和个人见解
- 重点突出6年以上的系统仿真或无人驾驶项目经验，特别是工业或矿山相关项目
- 详细描述使用 CARLA、Gazebo 等工具进行全栈仿真开发、建模和测试的具体案例
- 展示在 C++/Python/ROS 环境下，完成算法验证、性能分析与系统优化的能力
- 如有数字孪生、高性能计算或云端仿真部署经验，务必作为亮点单独列出
- 若对特定仿真平台（如PreScan, Unity）不熟，可进行针对性学习和项目实践
- 加强对分布式仿真、实时系统优化原理的理解，并熟悉相关数据分析工具
面试指南
- 采用 STAR 原则（情境、任务、行动、结果）结构化地回答项目经验类问题
- 对于技术方案类问题，先阐述核心设计原则与考量，再分解到具体的技术实现层面
- 在回答中体现你的系统性思维、问题解决能力以及对仿真工作价值的深刻理解
- 请详细介绍一个你主导或深度参与的自动驾驶仿真项目，你在其中承担的角色、技术难点及解决方案
- 如何为矿山场景设计一个支持多车协同测试的仿真系统架构？需要考虑哪些关键因素？
- 在仿真中验证路径规划算法时，你会设计哪些测试场景来评估其性能和鲁棒性？
- 如果仿真结果与实车测试存在较大偏差，你的排查思路和优化方向是什么？
- 你如何理解仿真在无人驾驶产品开发全生命周期中的价值？
职位点评
Watch Jobs