
预测工程师(自主采矿车辆)
开发卡特彼勒自主采矿车辆的行为与轨迹预测,助力提升作业安全性和运输效率。 使用 ROS 2 和 C++ 构建并集成适用于矿区环境的预测系统。
描述
- 开发用于自主采矿的行为预测和地图约束轨迹预测算法,为规划系统提供可靠输入,提升车辆安全性和运输效率。
- 定义预测系统架构、输入、输出、数据流,以及与感知、跟踪、高精地图、规划和安全系统的接口约定。
- 构建工作流,涵盖目标状态建模、轨迹历史、意图识别、多模态预测、置信度报告和异常诊断。
- 设计可解释、可测试的预测框架,并支持扩展至交叉路口、运输道路、装卸区域、排队场景、网络较弱以及调度信息不完整的情况。
- 为自主驾驶和人工驾驶的矿用卡车、辅助车辆、挖掘机、装载机、洒水车及行人建立行为和运动模型。
- 针对跟车、超车、汇入、让行、交叉路口,以及装卸区域的车辆交接和排队场景,开发意图识别与轨迹预测功能。
- 利用高精地图、道路拓扑、作业现场语义、通行权和调度信息,生成候选路线、时间占用、冲突概率和不确定性估计。
- 与感知、预测、规划、安全和仿真团队协作,确保预测输出支持碰撞检查、让行、跟车、避障和速度规划。
- 建立场景挖掘、标注与指标、仿真回放、问题复现和车辆验证流程,扩展复杂场景覆盖范围并提升可靠性。
- 改进预测延迟、资源使用、稳定性和部署能力,包括 ROS 2 与 C++ 集成、日志记录和故障排查。
任职要求
- 自动驾驶、机器人、人工智能、计算机科学、控制工程、车辆工程或相关专业硕士及以上学历。
- 具有至少五年自动驾驶、机器人或无人系统算法开发经验。
- 具有预测、跟踪、行为理解或规划项目经验。
- 具备从零开始构建算法模块、定义接口和评估指标,并持续推动改进的经验。
- 熟悉运动预测和状态估计方法,例如 CV、CA、CTRV、CTRA、卡尔曼滤波器、EKF、UKF 和 IMM。
- 有 LSTM、GRU、Transformer、GNN、LaneGCN、VectorNet、HiVT、MTR 或 Scene Transformer 等深度学习预测方法经验者优先。
- 具备多模态轨迹预测、行为与意图识别、交互建模、轨迹评分、不确定性建模和置信度校准经验。
- 了解高精地图、道路拓扑、地图匹配、地图语义、路线关联和地图约束候选轨迹生成。
- 了解预测与规划之间的衔接,并能将预测结果转化为安全距离、冲突检测、让行、跟车和避障所需的工程输入。
- 具有矿区、港口、工业园区、物流场地、工程机械或其他复杂封闭环境中的自动驾驶经验者优先。
- 具有混合交通、混合车队、多车协同、V2X、云端调度协同或非协作车辆交互预测经验者优先。
- 具有数据反馈闭环、自动标注、仿真评估、车辆回放、模型部署和生产问题诊断经验者优先。
- 熟悉 Apollo、Autoware 或大型自动驾驶平台中的 Prediction 模块者优先。
- 具有在非结构化道路或地图信息不完整、局部不可用时进行行为和轨迹预测的经验者优先。
福利待遇
- 平等就业机会雇主。
- 欢迎符合条件的各年龄段申请者应聘。
- 有机会加入人才社群。