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": "北京-自动驾驶端到端决策规划控制算法工程师(J100782)",
"job_level": "校招",AI生成
"work_category": "全职",AI生成
"department": "未披露",
"location": "北京市",
"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": "-硕士及以上学历",
"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-研究智能体强化学习（RL）、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-构建驾驶员行为预测模型，研究长尾场景（Corner Cases）的决策泛化能力，利用对抗训练、元学习等方法增强系统鲁棒性",
"requirements_text": "-硕士及以上学历，计算机、自动化、车辆工程、机器人学等相关专业\n-扎实的机器学习/强化学习/控制理论基础，熟悉常见路径规划算法（A*、RRT等）或预测方法\n-熟练掌握C++/Python，具备较强工程实现能力，有大型系统开发经验者优先\n-熟悉ROS、CarSim、CarMaker等仿真或车辆动力学工具者优先\n-有自动驾驶决策规划、预测或控制相关实习/项目经验者优先\n-在ICRA、IROS、CoRL、NeurIPS等顶会发表论文者优先\n-逻辑清晰，沟通协作能力强。",
"skills": [AI生成
"Python",
"C++",
"机器学习",
"强化学习"
],
"preferred_qualifications": "熟练掌握C++/Python，具备较强工程实现能力，有大型系统开发经验者优先；熟悉ROS、CarSim、CarMaker等仿真或车辆动力学工具者优先；有自动驾驶决策规划、预测或控制相关实习/项目经验者优先；在ICRA、IROS、CoRL、NeurIPS等顶会发表论文者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://talent.baidu.com/jobs/detail/GRADUATE/bf49fdc7-2bd1-4d6c-87cc-f1ef35ade99b"
}
]
},
"posting": {
"posting_id": "bf49fdc7-2bd1-4d6c-87cc-f1ef35ade99b",
"post_date": "2026-07-08",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent.baidu.com/jobs/detail/GRADUATE/bf49fdc7-2bd1-4d6c-87cc-f1ef35ade99b"
},
"fulltext": "北京-自动驾驶端到端决策规划控制算法工程师(J100782)\n北京-自动驾驶端到端决策规划控制算法工程师(J100782)\n\n基础信息\n地点：北京市\n项目：校招\n类别：技术\n招聘人数：15\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-研究智能体强化学习（RL）、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-构建驾驶员行为预测模型，研究长尾场景（Corner Cases）的决策泛化能力，利用对抗训练、元学习等方法增强系统鲁棒性\n\n职责要求\n-硕士及以上学历，计算机、自动化、车辆工程、机器人学等相关专业\n-扎实的机器学习/强化学习/控制理论基础，熟悉常见路径规划算法（A*、RRT等）或预测方法\n-熟练掌握C++/Python，具备较强工程实现能力，有大型系统开发经验者优先\n-熟悉ROS、CarSim、CarMaker等仿真或车辆动力学工具者优先\n-有自动驾驶决策规划、预测或控制相关实习/项目经验者优先\n-在ICRA、IROS、CoRL、NeurIPS等顶会发表论文者优先\n-逻辑清晰，沟通协作能力强。\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-研究智能体强化学习（RL）、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-构建驾驶员行为预测模型，研究长尾场景（Corner Cases）的决策泛化能力，利用对抗训练、元学习等方法增强系统鲁棒性\n-硕士及以上学历，计算机、自动化、车辆工程、机器人学等相关专业\n-扎实的机器学习/强化学习/控制理论基础，熟悉常见路径规划算法（A*、RRT等）或预测方法\n-熟练掌握C++/Python，具备较强工程实现能力，有大型系统开发经验者优先\n-熟悉ROS、CarSim、CarMaker等仿真或车辆动力学工具者优先\n-有自动驾驶决策规划、预测或控制相关实习/项目经验者优先\n-在ICRA、IROS、CoRL、NeurIPS等顶会发表论文者优先\n-逻辑清晰，沟通协作能力强。",
"standard_classification": {
"std_category_code": "T013",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}