实习-智能辅助驾驶算法工程师实习生（端到端模型 / 强化学习）

负责端到端智能辅助驾驶轨迹生成算法的研发与优化，重点方向包括但不限于：端到端模仿学习（如 VLA/世界模型、自回归生成、Diffusion Policy 等）；强化学习（涵盖轨迹生成、闭环训练、世界模型等相关技术）。持续跟踪人工智能领域的前沿技术动态，推动先进算法在量产项目中的实际应用与落地。 【任职要求】 具备扎实的深度学习理论基础，熟悉常见深度学习与机器学习算法； 熟练掌握至少一种主流深度学习框架，具有 TensorFlow 或 PyTorch 深度开发经验者优先。 【加分项】 ①具备端到端路径/轨迹生成相关经验，熟悉以下任一方向者优先：主流模仿学习方法（如行为克隆）；主流 BEV 任务（如动态/静态目标检测与跟踪等）；时序建模方法（RNN/LSTM/GRU等）。 ②具备强化学习相关经验，熟悉以下任一方向者优先：主流 RL 算法（如 DQN、DDPG、SAC、PPO、GRPO 等）；强化学习在轨迹预测、决策规划或仿真环境中的应用；世界模型（World Model）、模型预测控制（MPC）或基于强化学习的闭环仿真技术。 ③具备 VLA/VLN/世界模型等相关项目实践经验，熟悉以下任一方向者优先：主流 VLA 方法（如 OpenVLA、PAI0 等）；主流世界模型方法（如 GR2、GAIA1、JEPA 等）。