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": "2027AIDU-端到端系统架构师(J99978)",
"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": "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": "1. 端到端系统\n-构建强大且扩展性强的端到端系统，设计和训练端到端模型，规模化解决自动驾驶问题；\n-应用生成模型、模仿学习、强化学习等提升模型规划及推理能力；\n2. 数据与模型迭代\n-探索数据采集与数据生成方法，提升训练数据的多样性与质量；\n-研究并实现适用于预训练与后训练阶段的最优数据使用策略。",
"requirements_text": "1. 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；\n2. 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；\n3. 熟悉PyTorch框架，具备Python/C++编程能力及Linux开发经验；\n4. 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）；\n5. 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）；\n6. 具备多智能体系统、博弈论、不确定性推理（Bayesian Networks）经验者优先；\n7. 在CoRL、ICRA、IROS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；\n8. 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；\n9. 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\n招聘部门：自动驾驶技术部",
"skills": [AI生成
"Python",
"C++",
"Linux",
"PyTorch",
"强化学习",
"逻辑思维",
"建模",
"招聘",
"智能体开发"
],
"preferred_qualifications": "6. 具备多智能体系统、博弈论、不确定性推理（Bayesian Networks）经验者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://talent.baidu.com/jobs/detail/GRADUATE/cd7d5159-6779-4298-abe4-1a97ccdcea35"
}
]
},
"posting": {
"posting_id": "cd7d5159-6779-4298-abe4-1a97ccdcea35",
"post_date": "2026-05-12",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent.baidu.com/jobs/detail/GRADUATE/cd7d5159-6779-4298-abe4-1a97ccdcea35"
},
"fulltext": "2027AIDU-端到端系统架构师(J99978)\n2027AIDU-端到端系统架构师(J99978)\n\n基础信息\n地点：北京市\n项目：AIDU项目\n类别：技术\n招聘人数：0\n发布时间：2026-07-21\n\n工作职责\n1. 端到端系统\n-构建强大且扩展性强的端到端系统，设计和训练端到端模型，规模化解决自动驾驶问题；\n-应用生成模型、模仿学习、强化学习等提升模型规划及推理能力；\n2. 数据与模型迭代\n-探索数据采集与数据生成方法，提升训练数据的多样性与质量；\n-研究并实现适用于预训练与后训练阶段的最优数据使用策略。\n\n职责要求\n1. 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；\n2. 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；\n3. 熟悉PyTorch框架，具备Python/C++编程能力及Linux开发经验；\n4. 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）；\n5. 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）；\n6. 具备多智能体系统、博弈论、不确定性推理（Bayesian Networks）经验者优先；\n7. 在CoRL、ICRA、IROS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；\n8. 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；\n9. 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\n招聘部门：自动驾驶技术部\n1. 端到端系统\n-构建强大且扩展性强的端到端系统，设计和训练端到端模型，规模化解决自动驾驶问题；\n-应用生成模型、模仿学习、强化学习等提升模型规划及推理能力；\n2. 数据与模型迭代\n-探索数据采集与数据生成方法，提升训练数据的多样性与质量；\n-研究并实现适用于预训练与后训练阶段的最优数据使用策略。\n1. 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；\n2. 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；\n3. 熟悉PyTorch框架，具备Python/C++编程能力及Linux开发经验；\n4. 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）；\n5. 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）；\n6. 具备多智能体系统、博弈论、不确定性推理（Bayesian Networks）经验者优先；\n7. 在CoRL、ICRA、IROS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；\n8. 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；\n9. 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\n招聘部门：自动驾驶技术部",
"standard_classification": {
"std_category_code": "T013",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}