卡特彼勒
Planning Engineer
Planning Engineer
发布于 4 天前普通员工/个人贡献者
北京市 / 上海市
中级经验
全职员工
仅现场办公
硕士
自动驾驶
路径规划
RRT
ROS
MPC
动力学模型
AI 估算 · 25k–45k
自动驾驶规划工程师技能要求高，市场稀缺；卡特彼勒为跨国巨头，薪资有竞争力；硕士起，一线城市薪酬水平
职位详情
关于这个职位
该职位是卡特彼勒的规划工程师，专注于矿山场景下无人驾驶车辆的路径与行为规划
你将负责从装载点到卸载点的任务级路线规划、轨迹与速度优化，并与感知、决策模块协作完成系统集成
适合有自动驾驶或机器人规划经验、熟悉C++/Python及常用规划算法的硕士及以上学历人才
最低要求
学历背景* ：自动化、控制工程、车辆工程、计算机、机器人等相关专业，硕士及以上学历
专业技能* ：
熟悉常用路径规划算法（A、Dijkstra、RRT、RRT、Hybrid A*、优化方法如梯度下降、MPC、非线性优化等）
具备速度规划与成本函数设计能力（安全、效率的权衡），理解非完整约束与车辆可行域
车辆动力学与约束意识：重载矿卡的制动距离、坡度影响、低附着与侧倾风险
精通 C++/Python/ MATLAB，熟悉 Linux、CMake、GCC/Clang、Git、Docker，具备良好工程实现与性能优化能力
了解机器学习/深度学习/强化学习在规划中的应用（如IL/RL，采样与策略优化），理解E2E、VLA、世界模型等前沿概念
经验要求* ：
有无人驾驶或智能驾驶规划与决策项目经验
矿山/工地等非结构化场景经验优先
熟悉ROS/ROS2、CyberRT等中间件，具备仿真和实车调试经验
其他要求* ：
具备良好的问题分析能力和团队协作能力
英文文献阅读能力强
工作职责
矿山场景路径与行为规划：在非结构化道路、长下坡、装/卸矿作业区等场景下，进行装载点→卸载点→待命区的任务级路线规划，支持会车/跟车/倒车入位/装卸对位等行为策略
轨迹与速度规划：基于车辆动力学与地形特征进行曲率约束与平顺性优化，在满载/空载、坡度变化、低附着等情况下生成安全、可执行的轨迹与速度曲线
基于感知的行为规划：跟车规划，位移速度规划，基于障碍物的轨迹与速度规划，并保证系统安全以及车辆平顺运行
系统协同与集成：与感知、定位、决策模块协作，完成规划控制系统的集成与调试
仿真与评估：在仿真平台及实车环境中进行算法验证、性能优化及问题分析
安全与冗余：参与系统安全冗余设计，提升系统可靠性
优先资格
加分项**
有自动驾驶开源项目经验（Apollo、Autoware）
熟悉优化求解器（OSQP、Ipopt）或深度学习在规划控制中的应用
有车辆测试场或道路测试经验
顶会（如CVPR, ICRA, RSS等）中发表过相关无人驾驶论文者优先
AI 洞察
优缺点分析
优点
- 卡特彼勒作为全球工程机械巨头，能提供稳定平台和丰富的矿山场景数据，技术落地性强
- 无人驾驶矿山属于高增长赛道，掌握规划算法和系统集成能力后职业竞争力强
- 团队协作与感知、定位等模块紧密配合，能全面提升自动驾驶全栈认知
- 矿山环境非结构化、工况恶劣（长下坡、低附着），算法鲁棒性要求极高，调试难度大
- 技术栈覆盖面广，对动力学、优化、工程实现均有要求，学习曲线较陡
- 适合有自动驾驶或机器人规划经验、喜欢解决复杂工程问题、愿意深入工业场景的技术型人才
缺点 / 挑战
- 现场测试和出差可能较多，工作强度较高，需要适应户外作业环境
角色解读
- 技术深耕：从规划算法工程师向系统架构师或专家工程师发展，主导复杂场景算法优化
- 管理方向：积累项目经验后晋升为技术主管或团队Leader，带领规划团队
- 行业跨界：矿山无人驾驶经验可拓展至物流、港口、园区等低速无人驾驶领域，或进入乘用车自动驾驶赛道
- 负责矿山无人驾驶车辆的路径规划与行为决策，包括装载点到卸载点的任务级路线规划及会车、倒车等策略
- 基于车辆动力学和地形特征，生成安全平顺的轨迹与速度曲线，并利用MPC等优化方法进行曲率约束与平顺性优化
- 与感知、定位、决策模块协同，完成规划控制系统的集成、仿真验证与实车调试
- 参与系统安全冗余设计，提升整体可靠性，并分析解决实车测试中的问题
- 扎实的路径规划算法基础，熟悉A*、RRT、Hybrid A*、MPC等，并能结合成本函数进行速度规划
- 精通C++/Python，具备Linux、CMake、Git等工程实践能力，了解ROS/ROS2中间件
- 理解车辆动力学与约束，如制动距离、侧倾风险，并能应用于重载矿卡场景
- 了解机器学习/强化学习在规划中的前沿应用，如IL/RL、E2E、VLA等
申请策略
- 在面试中准备一个完整的规划项目案例，从问题分析、算法选型到实验结果，展示系统性思维
- 了解卡特彼勒在矿山自动化领域的战略布局，展现对行业痛点的理解
- 突出无人驾驶或机器人相关的项目经历，特别是路径规划、轨迹优化或MPC的应用实例
- 强调C++/Python工程能力，如代码性能优化、多线程、内存管理、Docker等
- 如果有ROS/ROS2或CyberRT开发经验，务必体现，并说明在仿真或实车中的调试成果
- 提前学习车辆动力学模型（如自行车模型）、优化求解器（OSQP、Ipopt）和强化学习基础
- 熟悉Apollo或Autoware等开源框架的规划模块，能快速上手
面试指南
- 先阐述问题背景和约束，然后说明算法选择理由，最后给出具体实现和验证方法
- 结合理论和工程经验，强调安全冗余和鲁棒性设计
- 请设计一个非结构化道路下的路径规划方案，如何处理障碍物和地形约束？
- 解释MPC在轨迹规划中的原理，如何设计成本函数？
- 如何保证重载矿卡在长下坡时的安全性？请从动力学和规划两方面回答
- 你在之前的项目中遇到过哪些规划与控制集成的问题？如何调试和解决的？
- 复习A*、RRT、Hybrid A*、MPC等算法的原理和优缺点
- 准备1-2个与自动驾驶规划相关的深度项目，梳理技术难点和解决方案
匹配度报告
72
综合匹配度
全球巨头、前沿自动驾驶技术、矿山场景落地，成长空间大但现场工作强度不确定。
适合人群
最适合发展动机强的求职者，希望在无人驾驶领域深耕技术、追求成长。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利70
成长发展90
工作生活50
使命价值80
薪资福利匹配
70中等
薪资处于市场中等偏上水平，但JD未明确福利，综合来看补偿性满足程度中等。
薪资信号未披露（AI估算：25K-45K/月）
成长发展匹配
90较高
涉及无人驾驶前沿技术，算法覆盖广，公司平台大，发展空间优秀。
技术前沿前沿/新兴技术
技术栈路径规划、A*、RRT、MPC、C++、Python、ROS、自动驾驶、动力学
业务类型ambiguous
工作生活匹配
50较低
现场办公，可能涉及矿山测试，工作强度不确定，WLB信号缺失。
工作模式仅现场办公
办公地点工厂/生产基地
加班情况未提及（无法判断）
使命价值匹配
80较高
矿山自动化提升安全与效率，公司强调可持续发展，有较强社会意义。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号building a better world
创新程度积极采用新技术
Watch Jobs