# Responsibilties
1、 将具有嘈杂、不确定和不完整信息的轨迹决策和规划问题(例如变道,并道、择道,狭窄道路等)转化为定义明确的 ML 问题。
2、设计ML模型学习人类司机的决策规划行为,提升传统决策规划算法计算效率,部署模型于多个车型、车辆平台和城市。实现更快、更人性化的轨迹决策规划。
3、处理大量真实世界的数据并开发适当的数据清理,数据标注,数据分类和特征提取流水线。
4、与其他团队合作,包括其他规划、感知、预测和系统工程团队,共同推动数据驱动算法的开发。
# About You
1、计算机,机器人,自动化,统计,数学等相关专业;
2、掌握前沿机器学习算法理论与实践;
4、有实际工程经验,熟悉 Python, C++ 语言,熟悉Pytorch或者TensorFlow;
3、掌握传统决策规划算法(Hybrid astar,dijkstra,凸优化等)优先;
5、具有推荐算法,无人车预测算法,模仿学习,强化学习经验者优先;
6、具有GPU算法经验者优先;