强化学习工程师（自动驾驶）
开发并优化 42dot 自动驾驶模型的强化学习策略。 构建自博弈仿真、场景推演和安全评估，以提升驾驶性能。
描述
- 设计 VLA 策略与仿真器之间的观测和动作接口，并使用 GRPO、PPO 等方法开发闭环强化学习后训练流程。
- 在基于向量或占用网格的驾驶仿真器中构建自博弈训练，让自车与交通参与者基于当前策略和先前检查点进行交互。
- 针对可能的未来场景生成候选动作和轨迹推演，再依据预期回报和安全约束选择动作。
- 通过闭环基准评估策略的安全性和泛化能力。
- 分析奖励作弊和仿真器偏差。
- 推动有潜力的强化学习方案从设计、大规模训练和严格评估，到集成进驾驶模型的全过程。
任职要求
- 机器学习、强化学习或机器人领域至少三年经验，或具备相当的研发能力。
- 具备使用 Python 和 PyTorch 实现策略学习算法并开展训练与评估的经验。
- 理解策略优化、奖励设计和信用分配，并能够设计强化学习实验。
- 具备在仿真或多智能体环境中训练策略，并对照基线验证改进效果的经验。
- 具备足以讨论技术问题并与海外办公室协作的英语沟通能力。
- 有开发自博弈、多智能体强化学习或策略群体训练系统的经验者优先。
- 有将 GRPO、PPO 等强化学习后训练方法应用于 VLA 或生成式策略的经验者优先。
- 有在基于向量或占用网格的驾驶仿真器中训练策略，或开发基于世界模型的推演规划的经验者优先。
- 有大规模并行推演、分布式训练或仿真到现实验证经验者优先。
福利待遇
- 优先考虑退伍军人及依据适用法律享有就业保护资格的人员。
- 优先考虑持有已登记残疾证明的申请人。
- 面试流程结束后，经申请人同意，可能进行背景调查。
- 可能适用三个月试用期。