职位描述1. 负责自动驾驶目标行为、意图、轨迹预测模型的设计、研发、训练、迭代与落地部署，覆盖行人、车辆、非机动车、路口动态障碍物等多类交通参与者，支撑L2-L4级自动驾驶量产功能。 2. 跟进业内SOTA预测算法、Transformer时序建模、联合预测、规预一体、生成式预测等前沿技术，结合城市道路、高速、泊车等业务场景，输出适配量产的预测模型方案，解决急变道、横穿、鬼探头、拥堵交互等复杂场景预测难题。 3. 主导预测模型数据闭环建设，包含场景挖掘、难样本筛选、数据清洗、标注规范制定、数据集迭代，搭建高效的模型训练与评测流水线，持续提升模型准确率、召回率、轨迹拟合度与场景泛化能力。 4. 负责模型工程化落地，完成模型量化、剪枝、推理加速、算子适配，适配车载嵌入式平台，保障模型低时延、低功耗、高稳定性运行，满足自动驾驶量产实时性要求。 5. 搭建预测算法评测体系，设计仿真、实车测试评测指标，定位分析预测失效案例、漂移问题，持续迭代优化模型性能与鲁棒性。 6. 深度联动感知、规控、地图、测试、整车团队，完成算法联调、实车标定、道路测试与问题闭环，支撑车型迭代、OTA升级与量产交付。任职要求1.本科及以上学历，计算机、人工智能、自动化、车辆工程等相关专业，本科3年或硕士2年以上自动驾驶预测模型相关工作经验。 2. 扎实的深度学习、机器学习、时序建模、概率统计基础，精通自动驾驶轨迹预测、行为预测核心算法，熟悉主流预测模型架构（Transformer、GRU/LSTM、MotionCNN、GNN、HDMap-based预测等）。 3. 熟练使用PyTorch/TensorFlow框架，精通Python，熟练掌握C++开发，熟悉Linux开发环境，具备完整的模型训练、调优、评测、迭代实战经验。 4. 熟悉自动驾驶数据闭环流程，具备海量驾驶数据挖掘、难样本迭代、数据集构建经验，能够通过数据驱动持续优化模型效果。 5. 了解BEV感知、多传感器融合、车道/地图特征建模，熟悉预测与感知、规控的联动逻辑，优化预测结果可解释性与安全性。
