职位要求

具体岗位描述：

前沿算法探索与原型验证
1针对交通流预测低空航路规划航天器姿态控制或自动驾驶决策等具体问题，调研并复现领域内SOTA（State-of-the-Art）算法。
2在AirSimIsaacSim等仿真环境中，设计并实施对照实验，验证新算法在特定极端场景下的有效性。
垂直领域大模型应用研究
3负责构建面向交通法规飞行手册或航天日志等领域的RAG（检索增强生成）系统，研究如何降低大模型的幻觉率并提高专业准确率。
4探索LLM/VLM（视觉语言模型）在自动驾驶场景理解仿真环境自动生成（SceneGeneration）中的应用，进行模型微调和提示词工程（PromptEngineering）优化。
仿真环境与数据闭环构建
1基于Python/C++开发仿真接口，打通算法训练-仿真测试-数据分析的闭环。
2针对现有仿真平台（AirSim/Isaac）的局限性，进行二次开发或插件编写，以支持更复杂的物理特性或传感器模拟。
3将研究过程中的创新点整理发表为高水平学术论文（如NeurIPS,CVPR,ICRA,ITSC等）或申请发明专利。
4撰写高质量的技术研究报告，向团队传递最新的技术动态和实验结果。
1学历与专业背景
计算机科学自动化控制理论与工程交通工程航空宇航科学与技术等相关专业应届博士/博士后。
必须在毕业要求内发表过至少1篇顶刊或顶会论文（如IEEET-PAMI,IJCV,NeurIPS,ICML,CVPR,ICRA,ITSC,AIAAJournal等）。
有强烈的信号如果有在研项目与具身智能（EmbodiedAI）世界模型（WorldModel）自动驾驶大模型相关，将极具竞争力。
2编程与工程能力
Python功底深厚熟练掌握PyTorch/TensorFlow，有从零构建复杂训练pipeline的经验。
C++能力扎实不要求像资深工程师那样精通底层汇编，但必须能阅读和理解大型C++代码库（如AirSim/Isaac的源码），并能进行二次开发或修改。
熟悉Linux环境，掌握DockerGit等常用开发工具。
3仿真平台能力（核心差异点）
有AirSimCARLAIsaacGym/Sim或Gazebo等至少一种仿真平台的使用经验。
博士课题或项目中涉及强化学习（ReinforcementLearning）在仿真环境中的训练（Sim-to-Real）者优先。
4LLM与大模型能力（热门加成）
深入理解TransformerAttention机制及其变体。
有实际的大模型微调经验（如使用HuggingFacePEFT库进行LoRA微调）。
熟悉RAG架构，了解向量数据库（Faiss,Milvus等）的基本原理和使用方法。
有LangChain/LlamaIndex等框架的使用经历者加分。
5领域知识与软技能
博士期间的研究方向最好能与自动驾驶无人机集群空中交通管理（UTM）或航天器控制之一挂钩。
具备极强的自驱力和ProblemSolving能力，能够独立拆解复杂的科研难题。
英语读写能力强，能流畅阅读英文文献并进行国际化协作。

招聘人数：2人