哈啰出行
【英才2026】智驾规控算法工程师-造父·Robotaxi
【英才2026】智驾规控算法工程师-造父·Robotaxi
发布于 大约 17 小时前普通员工/个人贡献者
上海市
其它
全职员工
仅现场办公
本科
深度学习
强化学习
lattice planner
ROS
MPC
AI 估算 · 30k–55k
自动驾驶核心算法岗，技术壁垒高，公司融资充足且为超大型企业，上海薪资水平高，月薪范围合理
职位详情
关于这个职位
该职位负责自动驾驶汽车在复杂道路场景下的决策规划算法研发，涉及数据驱动、强化学习、大模型等前沿技术
你将参与从技术预研到系统集成的全流程，提升车辆在密集车流、无保护路口等场景的智能性和可靠性
适合对自动驾驶核心算法有热情、具备扎实C++和数学功底的求职者
最低要求
本科及以上学历，专业方向包括计算机、软件、自动化、车辆工程、模式识别、机械、电子、数学等理工科专业
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
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
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
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、窄路会车等）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
对齐上下游性能边界，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
优先资格
加分项：
熟悉机器学习、深度学习、强化学习在自动驾驶决策规划中的应用
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
- 身处自动驾驶核心算法岗位，技术挑战大，能深入掌握业界前沿技术，技能积累价值极高
- 公司为超大型企业且融资充足，Robotaxi业务前景广阔，职业稳定性与发展空间较好
- 上海作为一线城市，自动驾驶产业链成熟，便于行业交流和跳槽
- 自动驾驶算法对数学和编程能力要求极高，且需持续学习前沿技术，学习曲线陡峭
- 实际路测场景复杂，问题调试和系统集成难度大，可能面临较大工作压力
- Robotaxi商业化仍处于早期，业务落地节奏可能影响项目稳定性
- 适合对自动驾驶充满热情、具备扎实数理基础和编程能力、喜欢挑战复杂问题的技术型人才
角色解读
- 从算法工程师向专家或架构师发展，深入研究决策规划领域的细分方向，成为技术权威
- 横向拓展至感知、定位、控制等其他自动驾驶模块，或转向系统架构设计
- 随着Robotaxi商业化落地，可晋升为技术团队负责人或研发经理，领导核心算法团队
- 设计并实现自动驾驶汽车的决策规划算法，包括行为策略和轨迹规划，确保安全、舒适、拟人且符合交规
- 跟进前沿技术，如数据驱动、强化学习、大模型，进行技术预研和创新，保持技术竞争力
- 处理复杂动态场景（如密集车流、无保护路口、人车混流等），优化策略和算法，提升系统的智能性和可靠性
- 与上下游团队协作，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工作
- 精通C/C++及Linux系统下开发，具备扎实的数据结构和算法基础
- 熟悉ROS、Apollo等自动驾驶开源框架，掌握常见决策规划算法（A*、MPC、Lattice Planner等）
- 具备深厚的数学基础，包括数值优化、计算几何、图论、统计学和车辆运动学/动力学
- 了解机器学习、深度学习、强化学习在自动驾驶中的应用，具备英文文献阅读能力
申请策略
- 提前了解哈啰出行在Robotaxi领域的业务布局和最新进展，在面试中展现对公司的认同
- 准备一两个完整的项目案例，说明自己的设计思路、遇到的困难和解决方案
- 突出自动驾驶或机器人相关项目经验，尤其是决策规划、路径规划、控制算法的项目
- 强调C/C++编程能力，展示在Linux系统下开发和调试的经验，可附上GitHub链接
- 提及熟悉ROS、Apollo等框架或参与开源社区的经历，体现工程实践能力
- 如有数学竞赛、论文或专利，可突出展示数值优化、计算几何等方面的成果
- 系统学习或复习常用规划算法（A*、RRT、MPC、Lattice Planner），并通过编程实现加深理解
- 阅读自动驾驶决策规划相关论文，掌握数据驱动和强化学习在规划中的最新应用
面试指南
- 对于算法原理题，先清晰阐述算法核心思想，然后结合实际场景讨论优势与局限，最后可延伸至改进方向
- 对于场景设计题，先分析场景关键特征（如动态性、不确定性），再提出分层处理思路（如决策层+轨迹层），并说明如何评估性能
- 对于项目经验题，使用STAR法则：背景、任务、行动、结果，突出技术难点和你的贡献
- 请详细解释A*算法的原理及其在自动驾驶路径规划中的应用
- 如何设计一个处理密集车流切入切出的决策策略？请说出你的思路
- MPC和Lattice Planner各自有什么优缺点？适用于什么场景？
- 你有使用过Apollo或Autoware吗？如何在其框架下实现一个新规划模块？
- 请举例说明你如何优化一个规划算法以提升其实时性和安全性
匹配度报告
71
综合匹配度
自动驾驶核心算法岗位，前沿技术栈，高发展潜力，但薪资福利不透明，WLB未知。
适合人群
该职位最适合追求技术成长、热爱前沿创新、对自动驾驶抱有热情的求职者，对工作生活平衡要求不高者更佳。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利60
成长发展95
工作生活50
使命价值80
薪资福利匹配
60中等
薪资估计较高，但JD未披露具体薪资和福利，补偿性动机满足程度中等。
薪资信号未披露 (30K-55K/月)
成长发展匹配
95较高
职位聚焦自动驾驶前沿技术（数据驱动、强化学习、大模型），技能成长空间极大，且涉及技术预研和创新，发展性动机满足程度极高。
技术前沿前沿/新兴技术
技术栈C/C++、ROS、Apollo、A*、MPC、Lattice Planner、强化学习、深度学习、Linux、Python
业务类型ambiguous
工作生活匹配
50较低
工作地点在上海，JD未提及远程或弹性办公，也未说明加班情况，生活化动机满足程度一般。
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
自动驾驶是高速增长赛道，对社会交通安全和效率有积极影响，但JD未明确提及使命，意义感动机满足程度较高。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
Watch Jobs