自动驾驶数据闭环工程师（Trigger 逻辑方向）

岗位职责
1、Trigger 逻辑定义与规则设计
①负责将算法团队的数据挖掘需求（自然语言描述的场景定义）转化为可执行的 Trigger 逻辑，包括规则条件、阈值、时序约束与多条件组合逻辑；
②针对长尾场景（接管、急刹、碰撞风险、NGP 开启/退出、影子模式置信度异常等）设计 Trigger 判定逻辑，明确触发边界与误触发抑制策略；
③负责 Trigger 逻辑的可执行化表达（规则或特征向量定义），保证逻辑语义清晰、可维护、可迭代；
2、云端 Trigger 向量生产
①在云端基于车端回传的 Clip 数据，运行 Trigger 逻辑并产出场景向量，完成从“场景定义”到“向量输出”的生产闭环;
②基于 DDP 的向量生产 DataLoader：针对多模态 Clip 数据（图像、点云、CAN），配合现有分布式数据加载链路完成 Trigger 逻辑的批量计算，关注多卡场景下的吞吐与负载均衡；
③基于 MLIR 运行量化模型完成向量生产：负责 Trigger 相关模型（场景分类、置信度评估、特征提取等）以量化形态在 MLIR 运行时上跑通并产出向量，保证量化推理数值正确性与结果一致性，对推理吞吐做调优；
3、Trigger 效果评估与迭代
①负责 Trigger 命中准确率、误触发率、覆盖率等指标的评估，基于回传数据反馈持续优化 Trigger 逻辑；
②与感知、规控及数据平台团队协作，对齐高价值场景的判定标准，优化 Trigger 逻辑的“信噪比；

岗位要求
1、基础背景：计算机、车辆工程、自动化或相关专业本科及以上学历，1年以上 C++/Python 开发经验；
2、Trigger 逻辑能力：理解自动驾驶数据闭环的基本逻辑，有将场景需求转化为可执行触发规则的实际经验；对基于规则或基于模型置信度的触发机制有调试与优化经验，理解触发边界与误触发抑制的设计思路；
3、分布式数据加载（DDP DataLoader）：熟悉 PyTorch DDP 分布式范式，有大规模多模态数据 DataLoader 的使用与调优经验，理解数据分片、Prefetch、多进程 Worker 及 IO 瓶颈定位；
4、MLIR 量化模型推理：熟悉 MLIR 编译栈与转换流程，有将量化模型接入 MLIR 运行时并完成推理生产的实际经验；能保证云端量化推理结果与车端的一致性，并对推理吞吐做调优；
5、加分项：
①熟悉 ROS/ROS2、Apollo、Autoware 或 DDS/SOME-IP 中间件；
②有向量化特征检索相关经验；
③熟悉 TensorRT/ONNX Runtime/TVM 等推理框架，有 MLIR 与上述框架结合落地经验者优先；
④了解自动驾驶常见传感器数据格式与时间同步机制。