主分类：机器人与自动驾驶算法研发
来源 JD 数据（旧分类保留，当前主分类见上方）
{
"schema_version": "via_ai_product_manager_jobs_v1",
"data_type": "ai_product_manager_jobs",
"job": {
"job_title": "决策规划算法工程师（J93883）",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "IDG",
"location": "北京市,上海市",
"work_mode": "未披露",AI生成
"job_category": "技术"AI生成
},
"company": {
"company_name": "百度",
"company_industry": "互联网 / 人工智能",
"company_size": "10000人以上",
"company_website": "baidu.com",
"company_description": "百度围绕搜索发展人工智能技术，业务涉及语音、图像、知识图谱、自然语言处理、自动驾驶和AI芯片。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "-计算机科学、机器人学、控制工程、应用数学等相关专业硕士/博士在读",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "-设计基于深度学习的驾驶行为决策模型（如场景理解、交互意图博弈、自车轨迹规划），解决路口通行、变道博弈、礼让行人等复杂交互问题\n-研究多智能体强化学习（MARL）、社会合规行为建模（Socially-Compatible Planning）等技术，提升自动驾驶系统的拟人化水平\n-运动规划与轨迹生成\n-开发端到端或分层的轨迹规划算法，结合深度学习与经典优化方法，生成平滑、安全、动态可适应的行驶轨迹\n-探索不确定性环境下的实时规划策略（如应对突发障碍、极端天气）\n-交互与泛化能力提升",
"requirements_text": "-计算机科学、机器人学、控制工程、应用数学等相关专业硕士/博士在读，或具备同等研究经验\n-熟练掌握深度强化学习（DRL）、模仿学习（Imitation Learning）、序列决策（POMDP）等方法的理论与实践\n-熟悉PyTorch/TensorFlow框架，具备Python/C++编程能力及Linux开发经验\n-了解经典决策规划算法（如A*、RRT*、MPC）或控制理论（如车辆动力学模型）\n-熟悉自动驾驶决策规划任务（行为决策、轨迹生成、交互建模）及数据集（nuPlan、Waymo Motion Dataset）\n-具备多智能体系统、博弈论、不确定性推理（Bayesian Networks）经验者优先\n加分项：\n-在CoRL、ICRA、IV等机器人/自动驾驶顶会发表决策规划相关论文，或参与Apollo、Autoware等开源项目\n-熟悉决策规划开源框架，有机器人路径规划（如无人机、机械臂）开发经验\n软技能：\n-对复杂系统建模有强烈兴趣，具备严谨的逻辑思维与跨学科协作能力",
"skills": [AI生成
"Python",
"C++",
"Linux",
"PyTorch",
"TensorFlow",
"强化学习",
"逻辑思维",
"建模",
"智能体开发"
],
"preferred_qualifications": "具备多智能体系统、博弈论、不确定性推理（Bayesian Networks）经验者优先；加分项：",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://talent.baidu.com/jobs/detail/SOCIAL/07ddae32-04bb-40b5-bcd7-104ad0305d41"
}
]
},
"posting": {
"posting_id": "07ddae32-04bb-40b5-bcd7-104ad0305d41",
"post_date": "2025-10-23",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent.baidu.com/jobs/detail/SOCIAL/07ddae32-04bb-40b5-bcd7-104ad0305d41"
},
"fulltext": "决策规划算法工程师（J93883）\n决策规划算法工程师（J93883）\n\n基础信息\n部门：IDG\n地点：北京市,上海市\n类别：技术\n招聘人数：2\n发布时间：2026-07-21\n\n工作职责\n-设计基于深度学习的驾驶行为决策模型（如场景理解、交互意图博弈、自车轨迹规划），解决路口通行、变道博弈、礼让行人等复杂交互问题\n-研究多智能体强化学习（MARL）、社会合规行为建模（Socially-Compatible Planning）等技术，提升自动驾驶系统的拟人化水平\n-运动规划与轨迹生成\n-开发端到端或分层的轨迹规划算法，结合深度学习与经典优化方法，生成平滑、安全、动态可适应的行驶轨迹\n-探索不确定性环境下的实时规划策略（如应对突发障碍、极端天气）\n-交互与泛化能力提升\n\n职责要求\n-计算机科学、机器人学、控制工程、应用数学等相关专业硕士/博士在读，或具备同等研究经验\n-熟练掌握深度强化学习（DRL）、模仿学习（Imitation Learning）、序列决策（POMDP）等方法的理论与实践\n-熟悉PyTorch/TensorFlow框架，具备Python/C++编程能力及Linux开发经验\n-了解经典决策规划算法（如A*、RRT*、MPC）或控制理论（如车辆动力学模型）\n-熟悉自动驾驶决策规划任务（行为决策、轨迹生成、交互建模）及数据集（nuPlan、Waymo Motion Dataset）\n-具备多智能体系统、博弈论、不确定性推理（Bayesian Networks）经验者优先\n加分项：\n-在CoRL、ICRA、IV等机器人/自动驾驶顶会发表决策规划相关论文，或参与Apollo、Autoware等开源项目\n-熟悉决策规划开源框架，有机器人路径规划（如无人机、机械臂）开发经验\n软技能：\n-对复杂系统建模有强烈兴趣，具备严谨的逻辑思维与跨学科协作能力\n-设计基于深度学习的驾驶行为决策模型（如场景理解、交互意图博弈、自车轨迹规划），解决路口通行、变道博弈、礼让行人等复杂交互问题\n-研究多智能体强化学习（MARL）、社会合规行为建模（Socially-Compatible Planning）等技术，提升自动驾驶系统的拟人化水平\n-运动规划与轨迹生成\n-开发端到端或分层的轨迹规划算法，结合深度学习与经典优化方法，生成平滑、安全、动态可适应的行驶轨迹\n-探索不确定性环境下的实时规划策略（如应对突发障碍、极端天气）\n-交互与泛化能力提升\n-计算机科学、机器人学、控制工程、应用数学等相关专业硕士/博士在读，或具备同等研究经验\n-熟练掌握深度强化学习（DRL）、模仿学习（Imitation Learning）、序列决策（POMDP）等方法的理论与实践\n-熟悉PyTorch/TensorFlow框架，具备Python/C++编程能力及Linux开发经验\n-了解经典决策规划算法（如A*、RRT*、MPC）或控制理论（如车辆动力学模型）\n-熟悉自动驾驶决策规划任务（行为决策、轨迹生成、交互建模）及数据集（nuPlan、Waymo Motion Dataset）\n-具备多智能体系统、博弈论、不确定性推理（Bayesian Networks）经验者优先\n加分项：\n-在CoRL、ICRA、IV等机器人/自动驾驶顶会发表决策规划相关论文，或参与Apollo、Autoware等开源项目\n-熟悉决策规划开源框架，有机器人路径规划（如无人机、机械臂）开发经验\n软技能：\n-对复杂系统建模有强烈兴趣，具备严谨的逻辑思维与跨学科协作能力",
"standard_classification": {
"std_category_code": "T013",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}