PNC算法实习生

岗位职责

1. 算法开发与优化：参与自动驾驶车辆核心决策规划算法的研究、开发、调试与性能优化，涵盖行为决策、路径规划、轨迹生成等模块 。
2. 复杂场景算法预研：协助完成特定场景（如路口通行、变道博弈、避让行人、拥堵加塞等）的决策算法设计与验证，提升系统在动态交互环境中的拟人性与安全性 。
3. 端到端与深度学习探索：参与基于深度学习/强化学习的决策规划模型研发，包括模仿学习、端到端轨迹生成、奖励模型设计等前沿方向的预研与实验 。
4. 仿真测试与闭环验证：配合团队完成算法的仿真测试、闭环验证及实车调试，分析bad case并驱动算法迭代与数据挖掘 。
5. 工程落地与部署：负责算法的工程化实现、上线部署及效果追踪，保证算法在车端的鲁棒性与计算性能 。

任职要求

基础要求：

• 计算机、自动化、机器人、控制工程、数学、车辆工程等相关专业硕士/博士在读 。
• 熟练掌握 C++ 和 Python 编程，具备良好的数据结构与算法基础，有Linux平台开发经验 。
• 具备扎实的数学基础，熟悉最优化理论、概率统计、运动学/动力学建模等 。

专业技能（具备以下一项或多项）：

• 熟悉经典决策规划算法：如 Hybrid A*、EM Planner、Lattice Planner、RRT*、有限状态机、MDP/POMDP等 。
• 熟悉最优化方法（QP、非线性优化）及控制算法（iLQR、MPC、LQR、PID）。
• 熟悉深度学习框架（PyTorch / TensorFlow），了解 深度强化学习（DRL）、模仿学习（Imitation Learning） 的理论与实践 。
• 熟悉自动驾驶决策规划相关数据集（nuPlan、Waymo Motion Dataset）或仿真平台（CARLA、AirSim）。

加分项

• 有自动驾驶、机器人、无人机等相关项目经验或赛事获奖经历（如ACM/ICPC、RoboMaster等）。