（实习3~4天/周 实习6个月以上）

1、跟踪并研究强化学习（Reinforcement Learning, RL）领域的最新研究进展，具备较强的论文阅读与复现能力；​

2、基于目前的E2E算法，开发与之适配的RL策略，探索其在自动驾驶场景中的应用；​

3、协助构建高质量的仿真环境与真实数据集，推动算法在实际任务中的泛化能力；​

4、优化现有RL算法的训练效率与稳定性，提升策略收敛速度与性能表现；

1.掌握python，熟悉pytorch框架，具备扎实的深度学习和大语言模型算法基础；​

2.具备扎实的机器学习、深度学习与强化学习理论基础，熟悉常见RL算法（如DQN、PPO、SAC、TD3等）；​

3.熟悉OpenAI Gym、 Carla 、Unity ML-Agents等仿真平台；​

4.计算机、信息、数学、电子、自动化、机械、测控、汽车等相关专业硕士及以上学历，具有扎实的数学功底和算法基础；计算机基础扎实，熟练掌握Python、Pytorch编程，熟悉Linux​

5.熟悉Sparsedrive、VAD、driveVLM等端到端自动驾驶算法优先

【加分项】：​

有强化学习在真实系统（如机器人、自动驾驶等）中的应用经验；​

熟悉多智能体强化学习（MARL）、元强化学习（Meta-RL）或层次强化学习（HRL）；​

掌握C++、CUDA等底层编程语言，具备高性能计算优化经验；​

熟悉Ray RLlib、Stable-Baselines3、CleanRL等开源强化学习框架；​​