哈啰出行
强化学习算法工程师/专家（端到端）-【自动驾驶】
强化学习算法工程师/专家（端到端）-【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
中级经验
全职员工
仅现场办公
本科
强化学习
自动驾驶
PPO
DPO
端到端
Grpo
Uniad
AI 估算 · 30k–60k
自动驾驶强化学习岗位稀缺，技术难度高，上海薪资水平高，大型企业提供有竞争力薪酬。
职位详情
关于这个职位
该职位专注于自动驾驶领域的强化学习算法研发，涉及端到端模型训练与路径规划决策
你将设计训练框架，解决L4 Robotaxi场景中的博弈与安全问题，需要精通Python/C++及主流强化学习算法（如PPO、GRPO）
加入哈啰出行，参与前沿技术落地，推动自动驾驶商业化
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、模式识别等理工科，工作经验不小于2年
具备较强的编程能力，精通Python及C++语言，熟悉Docker容器化部署，有良好的编程习惯和标准化的代码风格
熟悉UniAD、Pluto、Diffusion Planner等主流的端到端模型
熟悉GRPO、PPO和DPO等强化学习算法，有自动驾驶强化学习业务应用的经验者优先
工作职责
设计并实现面向自动驾驶的强化学习训练框架，提升端到端大模型在稀疏场景下的训练效率和泛化能力
研发适用于驾驶决策、路径规划与交互博弈的强化学习算法，包括但不限于GRPO、PPO和DPO等，解决L4 Robotaxi场景中的安全性、强交互博弈和长尾场景等问题
优先资格
具备数据驱动算法的研发能力，有端到端模型算法的开发和优化经验
在CVPR/ICCV/ECCV/ICLR/ICRA/IROS/CoRL/NeurlPS等发表过RL相关论文
AI 洞察
优缺点分析
- 处于自动驾驶行业最前沿，端到端+强化学习是未来趋势，技术积累价值高
- 哈啰出行作为大型平台，资源丰富，有真实L4场景落地机会，项目含金量大
- 团队技术氛围浓厚，有机会与顶级CVPR/ICLR论文作者合作，快速提升研究能力
- 自动驾驶场景复杂，长尾问题多，算法需要极高的安全性与鲁棒性，工作压力较大
- 端到端模型训练需要大量计算资源，且对数据质量要求高，可能涉及繁重的数据处理工作
- 行业竞争激烈，需要持续学习最新论文和算法，保持技术敏感度
- 适合对自动驾驶和强化学习有浓厚兴趣、具备扎实编程和算法功底、追求技术前沿并愿意接受挑战的工程师
角色解读
- 技术方向：强化学习算法专家→自动驾驶首席科学家，主导核心算法研发与创新
- 管理方向：技术负责人→AI团队经理，带领团队攻克L4级别自动驾驶难题
- 跨界发展：向机器人、游戏AI等强化学习应用领域拓展，或转向通用人工智能研究
- 设计和实现面向自动驾驶的强化学习训练框架，优化端到端大模型在稀疏场景下的训练效率和泛化能力
- 研发驾驶决策、路径规划与交互博弈的强化学习算法，如GRPO、PPO、DPO，解决L4 Robotaxi场景的安全性和博弈问题
- 与工程团队协作，将算法集成到自动驾驶系统中，并进行仿真和实车验证
- 跟踪前沿论文，持续改进算法性能，推动技术落地
- 精通Python和C++编程，具备良好的代码风格和Docker容器化部署能力
- 深入理解强化学习算法（PPO、GRPO、DPO等），并有自动驾驶或机器人相关应用经验
- 熟悉主流端到端自动驾驶模型如UniAD、Pluto、Diffusion Planner
- 具备数据驱动算法研发经验，能够处理大规模数据集并进行模型训练优化
申请策略
- 了解哈啰出行在自动驾驶领域的布局（如共享出行、Robotaxi），在面试中展现对业务场景的理解
- 准备一个完整的项目案例，从问题定义、算法设计到结果分析，突出自己的贡献和思考过程
- 重点突出强化学习相关项目经验，尤其是自动驾驶或机器人领域的应用，写明具体算法（如PPO、SAC）和效果
- 详细描述端到端模型（如UniAD）的优化经历，包括数据增强、奖励设计、训练技巧等
- 列出发表的论文或开源贡献，特别是在CVPR、ICLR等顶会上的RL相关工作
- 展示编程能力，如Python/C++项目、代码风格、Docker使用经验
- 深入了解最新强化学习算法（如GRPO、DPO），阅读相关论文并尝试复现
- 熟悉L4自动驾驶仿真平台（如CARLA、SUMO），积累端到端仿真验证经验
面试指南
- 针对算法问题：先给出核心概念，然后对比不同算法的优劣，最后结合实际项目举例
- 针对项目问题：按照STAR法则（情境-任务-行动-结果）结构化回答，突出技术难点和解决思路
- 针对开放问题：展现对行业的深入思考，引用近期论文或公司动态，提出自己的观点
- 请详细介绍一个你使用强化学习解决的实际问题，包括状态空间、动作空间、奖励函数设计
- 解释PPO和GRPO的区别，以及它们在自动驾驶中分别适用什么场景
- 如何设计一个安全高效的端到端自动驾驶模型？如何处理长尾场景？
- 请描述你在C++或Python中优化深度学习模型推理性能的经验
- 如何看待当前端到端自动驾驶的局限性和未来发展方向？
匹配度报告
70
综合匹配度
自动驾驶强化学习前沿岗位，技术成长快，薪资有竞争力，但工作强度可能较大，WLB需自行判断。
适合人群
最适合追求技术前沿和职业发展的求职者，对于注重工作生活平衡的人可能挑战较大。
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85
工作生活50
使命价值75
薪资福利匹配
70中等
薪资未明确但属于高技能岗位，大型公司通常有竞争力；福利未在JD中提及，但互联网大厂标配可能包含。综合来看补偿性处于中等偏上。
薪资信号未披露 (30K-60K/月)
成长发展匹配
85较高
职位处于自动驾驶和强化学习前沿，要求掌握最新端到端模型，技术成长空间大；但JD未明确提到内部培训或晋升通道，发展主要依靠个人。
技术前沿前沿/新兴技术
技术栈强化学习、PPO、GRPO、DPO、UniAD、端到端、自动驾驶、Python、C++、Docker
业务类型profit_center
工作生活匹配
50较低
JD未提及远程或弹性工作，默认现场办公；工作地点为上海，未明确具体区域；无加班相关信息，但自动驾驶行业通常压力较大。生活方式满足程度有限。
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
75中等
自动驾驶是高速增长的赛道，技术本身对社会有正面影响（提升出行安全），但JD未强调使命感或社会价值，所以意义感动机中等偏上。
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
哈啰出行 的其他在招职位
相似职位推荐
Watch Jobs