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": "小米汽车—导航规划模型工程师",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "未披露",
"location": "北京、上海",
"work_mode": "未披露",AI生成
"job_category": "未披露"AI生成
},
"company": {
"company_name": "小米集团",
"company_industry": "消费电子 / 智能制造 / 物联网",
"company_size": "10000人以上",
"company_website": "xiaomi.com",
"company_description": "小米是一家消费电子和智能制造企业，以智能手机、智能硬件和物联网平台为核心。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "未披露",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1. 参与智能驾驶自主领航中导航模型与路径选择的研发与优化；\n2. 协助优化导航模块的精度、效率和稳定性，支持项目迭代；\n3. 参与导航模块相关系统工具链的开发，提高系统的可用性和易维护性；\n4. 关注行业前沿技术，协助探索 SOTA 方法在导航的应用。",
"requirements_text": "1、计算机、自动化、车辆工程等相关专业；\n2、有自动驾驶方面的研究或者开发经验；\n3、熟悉深度学习框架，熟悉CNN、LSTM、Transformer等网络结构及其训练；\n4、良好的沟通能力和团队协作能力；\n加分项：\n1、具有实车联调优化经验；\n2、有较强的研究能力优先，如在顶会发表过论文；\n3、熟悉TensorFlow,PyTorch等框架实现原理，能够实现高效训练代码；\n4、在ACM-ICPC、TopCoder等竞赛中获得过优异成绩。",
"skills": [AI生成
"PyTorch",
"TensorFlow",
"深度学习",
"团队协作",
"沟通能力"
],
"preferred_qualifications": "加分项：；2、有较强的研究能力优先，如在顶会发表过论文",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://xiaomi.jobs.f.mioffice.cn/index/m/position/7441552908829687916/detail"
}
]
},
"posting": {
"posting_id": "7441552908829687916",
"post_date": "2024-11-26",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://xiaomi.jobs.f.mioffice.cn/index/m/position/7441552908829687916/detail"
},
"fulltext": "小米汽车—导航规划模型工程师\n职位描述\n1. 参与智能驾驶自主领航中导航模型与路径选择的研发与优化；\n2. 协助优化导航模块的精度、效率和稳定性，支持项目迭代；\n3. 参与导航模块相关系统工具链的开发，提高系统的可用性和易维护性；\n4. 关注行业前沿技术，协助探索 SOTA 方法在导航的应用。\n\n职位要求\n1、计算机、自动化、车辆工程等相关专业；\n2、有自动驾驶方面的研究或者开发经验；\n3、熟悉深度学习框架，熟悉CNN、LSTM、Transformer等网络结构及其训练；\n4、良好的沟通能力和团队协作能力；\n加分项：\n1、具有实车联调优化经验；\n2、有较强的研究能力优先，如在顶会发表过论文；\n3、熟悉TensorFlow,PyTorch等框架实现原理，能够实现高效训练代码；\n4、在ACM-ICPC、TopCoder等竞赛中获得过优异成绩。\n1. 参与智能驾驶自主领航中导航模型与路径选择的研发与优化；\n2. 协助优化导航模块的精度、效率和稳定性，支持项目迭代；\n3. 参与导航模块相关系统工具链的开发，提高系统的可用性和易维护性；\n4. 关注行业前沿技术，协助探索 SOTA 方法在导航的应用。\n1、计算机、自动化、车辆工程等相关专业；\n2、有自动驾驶方面的研究或者开发经验；\n3、熟悉深度学习框架，熟悉CNN、LSTM、Transformer等网络结构及其训练；\n4、良好的沟通能力和团队协作能力；\n加分项：\n1、具有实车联调优化经验；\n2、有较强的研究能力优先，如在顶会发表过论文；\n3、熟悉TensorFlow,PyTorch等框架实现原理，能够实现高效训练代码；\n4、在ACM-ICPC、TopCoder等竞赛中获得过优异成绩。",
"standard_classification": {
"std_category_code": "T013",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}