工作职责：

1、目标轨迹预测算法开发：
1-1、基于激光雷达点云数据，结合摄像头、毫米波雷达等多传感器信息，开发动态障碍物（如车辆、行人）的轨迹预测算法，包括短时轨迹预测、行为意图预测，并优化预测模型的准确性与实时性。
1-2、典型任务：长短期记忆网络（LSTM）、Transformer等深度学习模型的改进，融合时序信息与空间特征。
2、多模态数据融合与预测模型构建：
2-1：主导多传感器（激光雷达、摄像头、IMU等）数据的时空对齐与融合，设计联合预测框架，提升复杂场景（如十字路口、拥堵路段）下预测系统的鲁棒性。
2-2：涉及技术：卡尔曼滤波、粒子滤波、贝叶斯网络等。
3、预测算法验证与场景适配：通过仿真工具（如CARLA、LGSVL）和实车测试验证预测算法性能，分析极端场景（如紧急变道、鬼探头）的预测失败案例（badcase），优化模型泛化能力。
4、协同规划与控制模块：将预测结果与自动驾驶决策、路径规划模块深度集成，提供动态障碍物的未来轨迹概率分布，支持车辆避障、跟车等决策逻辑。

任职资格：

1、学历与专业背景：硕士及以上学历，计算机科学、自动化、应用数学、车辆工程等相关专业，博士或3年以上相关经验者优先。
2、技术能力
2-1、算法基础：熟悉轨迹预测经典方法（如Social LSTM、MFP、VectorNet），掌握时序建模、概率图模型、多目标跟踪理论。
2-2、编程技能：精通C++/Python，熟悉ROS/ROS2框架，具备TensorRT、CUDA等嵌入式部署经验者优先。
工具与框架：熟练使用PyTorch/TensorFlow，熟悉点云处理库（PCL）、多传感器标定工具（如Autoware、Apollo）。
3、项目经验：需1-3年以上自动驾驶预测算法开发经验，主导或参与过轨迹预测、行为意图识别等实际项目，熟悉nuScenes、Argoverse等预测评测数据集。
4、数学与理论基础：扎实的概率统计、数值优化基础，熟悉马尔可夫决策过程（MDP）、蒙特卡洛方法，能独立设计预测模型中的不确定性量化模块。
加分项：熟悉车路协同（V2X）场景下的协同预测技术，或有高精地图与预测算法结合的经验。