自动驾驶数据挖掘专家_XC

Job description

岗位概述 聚焦自动驾驶 感知、规划（Planner） 核心算法的数据闭环建设，核心主打 模型Corner Case（极限长尾失效场景）挖掘与治理 ，主导整合现有数据挖掘能力、标签体系、场景体系，兼顾数据挖掘工具/平台能力建设与端到端数据成果交付落地。基于量产路测、仿真、多传感器数据，通过系统化平台工具搭建、标准化标签治理、精准的Corner Case挖掘与高质量数据交付，解决感知、规划模型长尾场景覆盖率低、隐性失效难发现、极限工况鲁棒性差等核心问题，统一数据交付标准与服务体系，为高阶NOA算法迭代、版本优化、量产落地提供平台能力与数据成果双重支撑。 核心工作职责 1. 数据能力与体系整合搭建 统筹整合自动驾驶现有数据挖掘能力、数据流程与资源链路，统一感知、规划（Planner）通用及专项数据闭环与交付体系；负责数据挖掘工具、自动化分析平台、筛选链路的迭代优化，同时制定分层场景挖掘策略、数据筛选提纯标准、数据交付规范与迭代机制，打通“平台能力建设—数据挖掘生产—算法交付落地”全链路，兼顾工具平台建设与高质量数据成果交付，搭建可复用、可规模化的数据驱动迭代体系。 2. 感知、Planner专项数据挖掘体系建设 专项负责 感知、Planner模型Corner Case挖掘、聚类与归因治理 。针对感知模块（检测、分割、跟踪、融合）与规划模块（轨迹预测、路径规划、决策博弈、避障逻辑），深度挖掘真实路测与仿真场景下的各类 长尾场景、极限工况、隐性失效、偶发异常Corner Case ，重点攻克模型常态化难复现、低概率失效、极端路况交互等痛点；精准定位模型漏检误检、延迟抖动、预测偏差、规划顿挫、决策不合理等核心问题，形成标准化的Corner Case挖掘、归类、根因分析、迭代复盘方法论。 3. 统一数据Tag标签体系搭建与治理 主导搭建适配 感知、规划模型Corner Case专项治理 的统一标签体系，包含场景维度、交通交互维度、模型失效维度、极限工况维度的专属标签规范；针对性设计Corner Case自动化识别、精准打标、分类聚类策略，建立标签质量校验与迭代治理机制，实现海量数据中高效筛选、精准沉淀各类长尾、极限失效案例，支撑模型Corner Case专项优化与问题量化统计。 4. 高质量数据集与场景库迭代 基于专属标签体系，聚焦 感知、Planner模型Corner Case数据集迭代建设 ，专项扩充各类稀有场景、极端天气、复杂交通交互、异形障碍物、极限驾驶工况等长尾案例库与测试集；完成无效数据过滤、优质Corner Case样本提纯与均衡化处理，持续补齐模型场景短板、修复隐性失效问题，大幅提升感知、规划模型的泛化能力与复杂场景鲁棒性。 5. 数据驱动算法闭环迭代 深度对接感知、规划算法模型迭代需求，双向兼顾工具能力迭代与业务数据交付：一方面持续优化 Corner Case自动化挖掘、智能归因、批量样本提纯 工具与平台能力，提升长尾失效场景挖掘效率与精准度；另一方面承接模型迭代核心数据需求，负责端到端 Corner Case问题案例、专项优化数据集、数据分析报告 的落地交付，通过多轮数据复盘、版本对比分析，推动模型长尾问题收敛、极限工况性能优化，实现算法迭代闭环。 任职要求 1. 基础背景 ：硕士及以上学历，计算机、人工智能、数据科学、车辆工程等相关专业，5年以上自动驾驶数据闭环、数据挖掘相关经验，有头部车企/智驾公司感知、规划数据专项迭代经验优先。 2. 核心能力（硬性要求） 深耕自动驾驶感知、规划（Planner）模型迭代，精通各类模型失效特征，具备 丰富的感知、规划Corner Case（长尾/极限/隐性失效场景）挖掘、聚类、根因归因实战经验 ； 具备 自动驾驶数据标签体系、场景体系搭建与治理经验 ，能够统一多模块数据标准与挖掘规范； 熟练使用Python、SQL、大数据分析工具，擅长海量多传感器数据清洗、场景聚类、异常分析、样本精选； 具备完整的数据闭环能力，同时掌握数据挖掘工具/平台迭代开发优化能力与端到端数据交付落地能力，可基于算法需求搭建自动化挖掘链路、优化平台能力，同时产出高质量样本、案例、数据分析成果，整合现有数据能力与流程，搭建可复用的工具+交付双驱动迭代机制。 3. 加分项 ：有感知/Planner模型Corner Case专项治理经验、数据体系从零到一搭建经验、城市/高速NOA量产数据迭代经验、大模型自动化挖掘/智能打标落地经验、相关专利及技术沉淀。