哈啰出行
规控算法工程师/专家（纵向博弈与规划）-【自动驾驶】
规控算法工程师/专家（纵向博弈与规划）-【自动驾驶】
发布于 大约 17 小时前普通员工/个人贡献者
上海市
专家级经验
全职员工
仅现场办公
本科
自动驾驶
lattice planner
RRT
ROS
决策规划
MPC
AI 估算 · 30k–60k
自动驾驶核心算法岗位，技术壁垒高，人才稀缺，上海一线城市薪资较高，结合公司规模和岗位级别估算。
职位详情
关于这个职位
作为自动驾驶规控算法工程师，你将负责行为决策与运动规划算法的研发，涵盖高速、城市道路及自动泊车等场景
工作涉及复杂动态环境处理、系统集成、实车部署与性能优化，并跟踪前沿技术如强化学习与大模型
适合有自动驾驶量产经验、精通C++和ROS的技术专家
最低要求
计算机科学、自动化、电子工程、机器人学、车辆工程、数学或相关专业的本科及以上学历
具备量产决策规划算法项目经验，如参与过NOA（自动导航辅助驾驶）、LCC（车道居中控制）等功能的研发、调试和量产交付流程
拥有L4级别自动驾驶项目的研发经验，熟悉高性能决策规划系统在复杂场景下的挑战和解决方案，有Robobus、Robotaxi等相关项目经验者更佳
熟练掌握C/C++语言，具备扎实的编程功底和良好的数据结构与算法基础，有在Linux系统下进行实际自动驾驶系统集成开发的经验
熟悉ROS（机器人操作系统）、Apollo等自动驾驶开源框架或机器人系统的开发环境
具备Python编程能力，用于算法原型快速开发、数据分析和工具脚本编写
熟悉常见的决策规划算法：精通图搜索算法（如A、Hybrid A）、基于采样的算法（如RRT、CL-RRT）、优化理论方法（如QP、MPC、Lattice Planner）以及决策理论（如有限状态机FSM、马尔可夫决策过程MDP/POMDP）
具备扎实的数学基础：深厚的数值优化、计算几何、图论、统计学和车辆运动学/动力学模型知识，并能将其应用于解决实际工程问题
工作职责
负责自动驾驶汽车在结构化道路（如高速、城市快速路）及非结构化场景（如自动泊车）中的行为决策与运动规划算法研发，设计安全、舒适且符合交规的行驶策略
负责复杂动态场景（如密集车流切入切出、无保护路口、人车混流）的处理策略设计、算法实现与迭代优化，提升系统的智能性和可靠性
对接上游感知、定位模块和下游车辆控制模块，进行系统集成与联合调试，确保决策规划模块与整个自动驾驶系统协同稳定工作
负责算法的实车部署、车载嵌入式平台性能优化、仿真测试及大规模路测验证，支持量产项目的落地应用
持续跟踪业界前沿技术（如数据驱动、强化学习、大模型在规划中的应用），进行技术预研和算法创新，保持技术竞争力
优先资格
了解机器学习、深度学习、强化学习在自动驾驶决策规划中的应用
熟悉敏捷开发、持续集成、仿真回归等量产开发流程和工具链（如CarSim、 Logsim、CarMaker）
拥有开源自动驾驶社区（如Apollo、Autoware、Carla）的开发经验
优秀的英文文献阅读能力，能够跟踪、学习并实践业界前沿算法
AI 洞察
优缺点分析
- 身处自动驾驶热门赛道，技术前沿，能接触并实践行业最新算法
- 公司为出行领域巨头，资金充足，项目量产导向，积累宝贵的工程经验
- 团队氛围技术导向，与顶尖工程师合作，成长迅速
- 技术难度高，需同时掌握算法、系统集成与工程落地能力，学习压力大
- 自动驾驶项目周期长，实车测试环节多，需要耐心和细致
- 竞争激烈，行业对人才要求极高，需持续学习保持竞争力
- 适合对自动驾驶技术有强烈热情，具备扎实算法与编程功底，且渴望在量产项目中挑战复杂问题的工程师
角色解读
- 从算法工程师逐步成长为技术专家，主导核心模块的设计与优化
- 未来可向系统架构师方向转型，负责自动驾驶系统整体规划与架构设计
- 随着自动驾驶技术商业化落地，可晋升为团队负责人或技术总监
- 设计并优化自动驾驶车辆的行为决策与运动规划算法，确保行车安全、舒适且符合交规
- 处理复杂动态场景（如密集车流、无保护路口），提升系统在真实环境下的智能性和可靠性
- 与感知、控制等上下游模块紧密协作，完成系统集成、联合调试及实车部署
- 跟踪前沿技术（如强化学习、大模型），进行技术预研并推动算法创新
- 精通C/C++，具备扎实的编程基础，熟悉Linux系统下的开发与调试
- 熟练掌握常见决策规划算法，如A*、Hybrid A*、RRT、MPC、Lattice Planner等
- 扎实的数学基础：数值优化、计算几何、图论、车辆运动学/动力学
- 有量产自动驾驶算法项目经验，熟悉ROS、Apollo等框架
申请策略
- 提前了解哈啰出行的自动驾驶业务方向（如两轮车与四轮车结合），展示对公司的兴趣
- 面试前准备一个完整的规划算法项目案例，从问题定义到解决方案到最终效果
- 重点突出量产自动驾驶项目经验，例如NOA、LCC功能的从研发到交付全流程
- 详细描述在复杂动态场景下的算法优化案例，并量化性能提升指标
- 列出熟悉的算法库和框架（如Apollo、ROS），并说明在其中的贡献
- 巩固C++技能，尤其是内存管理、多线程编程及Linux环境调试
- 深入学习MPC、强化学习在规划中的应用，可阅读相关论文并动手复现
面试指南
- 针对算法类问题：先阐述基本原理，再结合工程实践讲优化和权衡
- 针对场景设计题：明确输入输出，分解子问题（感知预测、行为决策、运动规划），逐步给出方案
- 请解释A*算法在自动驾驶路径规划中如何应用？如何改进以适应动态环境？
- 设计一个处理无保护左转场景的决策规划方案
- 如何对实车部署的规划算法进行性能优化？
- 描述一次你在量产项目中使用MPC解决复杂问题的经历
- 如何看待大模型在自动驾驶规划中的潜力？
- 复习常见规划算法的数学原理和代码实现，准备手撕代码环节
匹配度报告
74
综合匹配度
自动驾驶核心算法岗，技术前沿、薪资优厚、成长快，但工作强度大、需现场办公。
适合人群
适合优先追求技术成长和职业发展，对薪资有较高期望，且能接受现场办公和较大工作强度的求职者。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利75
成长发展90
工作生活50
使命价值80
薪资福利匹配
75中等
该职位为自动驾驶核心算法岗，薪资水平预计偏高，但JD未明确提及具体福利，综合判断补偿性动机满足程度较好。
薪资信号未披露 (30K-60K/月)
成长发展匹配
90较高
职位涉及量产自动驾驶算法，技术前沿，成长路径清晰，发展性动机满足程度高。
技术前沿前沿/新兴技术
技术栈C++、Python、ROS、Apollo、A*、Hybrid A*、RRT、MPC、Lattice Planner、强化学习、大模型
业务类型profit_center
工作生活匹配
50较低
职位为现场办公，JD未提及弹性工作或远程，且自动驾驶行业通常工作强度较大，生活方式动机满足程度有限。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值匹配
80较高
自动驾驶行业高速增长，技术推动社会进步，但JD未强调使命导向，意义感动机满足程度较高。
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