项目背景： 70%“研”Apply & Practice 20%“磨”Technical coach & Brainstorming 10%“学”Community & Training & Career coach 核心内容： 1. 通过AI工具（GPT, Gemini等）辅助ADAS软件开发（需求分析/分解，设计文档编写，软件代码实现，单元测试/软件测试），持续改进pipeline 2. 通过AI工具（GPT, Gemini等）开发相应的脚本和工具对数据进行批量处理以及性能参数的对比和集成 3. 其他AI赋能ADAS软件开发的任务

岗位职责： 1. 基于历史实车测试数据建立车辆动力学模型及执行器响应建模 2. 梳理ACC/AEB/TJA/ICA/RDP/ELK功能的关键性参数 3. 分析实车测试数据（动力、制动、转向响应，及车身Yaw rate姿态变化） 4. 构建车辆横纵向控制相关的特征模型，建立参数与整车响应之间的映射关系 5. 使用贝叶斯或强化学习模型构建参数自动化优化函数，并在仿真环境中进行参数收敛验证 6. 通过实车验证与仿真优化，输出可用于实车调试的基础性能参数

岗位职责： 1. 熟悉EPS转向机相关机械设计和常见失效模式，通过AI工具建立预测模型并预测产品薄弱点； 2. 根据智能化预测结果与可靠性团队协作，制定快速验证方案； 3. 参与商用车电动转向系统（EPS）的开发，支持基于AI的失效模式预测技术应用，提升开发效率。

产品测试和开发智能化系统 岗位职责： 1. 参与智能化系统的开发与测试工作，推进开发过程的数字化管理和可视化； 2. 负责EBS模块的功能测试与验证，确保系统稳定性与功能完整性； 3. 参与模块开发工作的数字化管理，优化开发流程，减少机械性、重复性操作； 4. 协助推进Demo智能化项目落地，支持产品测试与开发环节的智能化升级。

岗位职责： 1. 协助系统工作的效率提升 2. 协助系统架构和方案设计，特别是在AI算法于系统设计与性能优化中的应用

岗位职责： 1. 参与AI Agent的设计、实现与调优，聚焦工程工作流中的自动化优化； 2. 识别工程师工作流中的痛点问题，开发并集成AI Agent至实际工作流程中； 3. 优化AI Agent的核心能力，包括推理与规划框架、记忆与上下文管理、工具调用边界控制、架构与算力分配； 4. 结合数据处理技术，提升AI在工程流程中的自动化水平与执行质量。

项目背景： 70%“研”Apply & Practice 20%“磨”Technical coach & Brainstorming 10%“学”Community & Training & Career coach 核心内容： 1. AI编程工具研究与应用：探索代码生成、智能调试、自动化脚本生成、AI辅助测试等开发者AI工具，挖掘真实项目实用场景与最佳实践。 2. 技术内容创作与沉淀：将AI开发实践成果转化为图文教程、代码库、技术文档、演示案例等，梳理复杂技术逻辑，形成可复现的技术说明。 3. 企业内部AI工具开发 - 参与学习智能体框架搭建，实现复杂任务多步推理（ToT/CoT/ReAct）、长期记忆系统构建、工具调用开发及行为评估反馈； - 负责大模型智能体系统搭建与优化，设计多智能体协作流程，实现桌面端软件操作自动化与跨系统流程自动化； - 完成内部知识图谱搭建、数据库构建，文档结构化抽取、智能化检索等工作。 4. 轻量级AI项目落地：参与/主导内部轻量级AI应用与工具开发，负责代码维护、案例总结、技术文档撰写。

岗位职责： 1. 熟练使用AI Agent进行CPU算力评估、热点图分析及热点代码优化； 2. 负责规划算法整体架构的优化； 3. 负责规划算法内部多线程架构升级与耗时优化； 4. 实现target SOC部署阶段的算力优化； 5. 完成关键算子的性能优化工作。

项目背景： 70%“研”Apply & Practice 20%“磨”Technical coach & Brainstorming 10%“学”Community & Training & Career coach 核心内容： 1. 支持ADAS团队知识库的优化和工程效能的提升。支持优化模块的知识库系统和内容；使用AI工具如github copilot改进软件开发与交付的工作流，实现知识库和开发过程的联动，提高开发、交付和维护过程的效率，如问题分析、方案设计和patch的review同步； 2. 支持客户项目开发任务，理解实际项目开发的工作包、工作模式和工具链和实际痛点；

核心内容： 支持基于 ADAS 中间件框架的软件建模与开发 支持软件集成框架（FW）及 Jenkins 流水线开发 编写脚本以实现工程自动化

项目背景： 70%“研”Apply & Practice 20%“磨”Technical coach & Brainstorming 10%“学”Community & Training & Career coach 核心内容： 1. 探索基于深度学习的数据自动标注算法 2. 探索基于AI Agent的数据挖掘、打标、质检算法 3. 探索基于生成模型的合成数据方案

岗位职责： 1. 基于单V摄像头的感知输出，搭建AI planner，实现行程功能的横纵向轨迹规划； 2. 搭建完整的训练、部署、评测 pipeline； 3. 基于Trim PF产品开发，搭建AI planner以替换现有rule base planner，重点优化corner case场景； 4. 将算法层开发成果部署至新平台产品，实现AI agent的深度使用、训练调优与高效部署。

项目背景： 70%“研”Apply & Practice 20%“磨”Technical coach & Brainstorming 10%“学”Community & Training & Career coach 核心内容： 1. 参与E2E AEX方案的验证、评估和优化工作； 2. 支持客户项目开发任务，理解实际项目开发的工作包、工作模式和实际痛点；

项目背景： 随着AI的能迅速发展，它可以大大减轻工程师在工作流中的重复性劳动和负担，同时也可以降低人工操作的出错情况。把AI甚多结合到工作流中以提升整体工作效率和质量。 AI 在座舱和ADAS 产品的应用带来新的网络/信息安全挑战，需要集合行业AI 应用及现行和规划的法律法规要求，探索研究AI 应用中security 的需求和落地方案。 核心内容： 1. 搜集整理行业AI 应用的secuirty 挑战及应对办法 2. 结合 XC 产品规划梳理security 需求 3. 针对典型需求设计方案及 POC。

岗位职责： 支持高级驾驶辅助系统（ADAS）仿真平台的开发 支持高性能数据采集（DAQ）工具的开发

岗位职责： 1. 负责基于视觉语言模型（VLM）和视觉-语言-动作模型（VLA）的自动泊车算法研发，探索大模型在泊车场景下的端到端解决方案； 2. 设计并实现视觉-语言导航（VLN）算法，解析用户自然语言指令（如“停在左边第二棵树旁”），结合视觉感知信息生成可执行的导航路径； 3. 基于开源大模型（如LLaVA、Qwen-VL等）进行领域微调，构建泊车场景专用的多模态数据集，优化模型在复杂/不规则车位、暗光环境下的推理能力。

项目背景： 专注于高性能底盘制动系统的应用层软件研发。通过将复杂的整车动力学需求转化为高精度的软件控制逻辑，项目旨在实现更短的制动响应时间与更平稳的驾驶质感。 核心内容： 需求解构与架构映射：深入参与客户需求分析（Customer Requirement），分解为可执行的软件内部设计需求（Software Detailed Requirement）；确保软件架构设计满足模块化与可重用性要求。 高性能应用层开发与验证：负责制动控制算法的应用层软件开发，涵盖压力控制、冗余切换或辅助制动逻辑；基于嵌入式环境执行软件单元测试与集成测试，确保控制逻辑在极端工况下的稳健性。 软件工程化交付：参与符合汽车行业 V 模型开发流程的软件释放工作，确保代码质量与技术文档的一致性。

项目背景： 面向下一代智能底盘的车辆运动控制软件研发。项目目标是实现更高的车辆横纵向稳定性、更精准的车身姿态管理，以及对智能驾驶场景的更强适应能力。 岗位职责： 1. 参与下一代智能底盘车辆运动控制软件研发，聚焦车辆横纵向稳定性、车身姿态管理及智能驾驶场景适应能力提升； 2. 参与车辆运动控制需求分析，拆解整车控制目标为可实现的软件功能与数据流结构，支持上层AI算法与底层执行器协同； 3. 在MATLAB/Simulink、Python或C/C++环境中搭建控制算法原型（如状态估计、分配控制、滑移率控制），并利用CarSim或Simulink Plant Model等仿真平台进行性能验证与参数分析； 4. 探索数据驱动或模型融合方法在控制性能提升中的应用，如场景识别辅助策略切换、参数自适应、预测控制增强； 5. 按照汽车行业流程参与软件发布、文档编写与版本管理。

项目背景： 面向智能底盘软件的数字孪生-虚拟化验证环境开发。项目目标是实现模型更精准、速度更高效的数字孪生模型。 岗位职责： 1. 负责数字孪生系统中基于AI的算法开发，利用车辆真实数据反推车辆模型参数； 2. 设计并实现参数降维和智能数据筛选算法，提升模型算法性能、准确性和数据质量； 3. 与车辆动力学及建模领域专家协作，聚焦AI技术在智能底盘软件数字孪生-虚拟化验证环境中的应用； 4. 参与面向模型更精准、速度更高效的数字孪生模型的研发工作。

岗位职责： 1. 参与车辆运动智控系统的功能安全开发，聚焦AI/DT赋能系统功能安全需求分析与设计环节，实现需求分析的自动化初步评估； 2. 参与系统功能安全验证与确认工作，利用AI/DT技术实现基于规则的测试条目生成及测试结果评估的自动化； 3. 开展基于AI的功能安全机制预研，重点围绕车辆稳定性控制相关软件开发进行技术探索与实现； 4. 运用Python进行基于大模型的编码开发，推进模型在功能安全设计中的应用； 5. 结合Matlab、C Link及Java工具链，完成相关功能开发与系统集成。