UP简历小U

+86 138-0000-0000|up.resume.ai@example.com|北京

个人总结

资深自动驾驶工程师，专注于高级辅助驾驶系统（ADAS）的算法开发与优化，尤其在ACC/LCC功能优化及Corner Case问题解决方面具备深厚经验。精通C++/Python编程，熟悉ROS/Apollo平台，具备卓越的系统集成与测试能力。致力于通过技术创新提升自动驾驶系统的安全性、稳定性和用户体验，推动智能驾驶技术落地。

工作经历

自动驾驶算法工程师

某头部自动驾驶公司

2021-07 - 2024-05

负责高级辅助驾驶系统（ADAS）中ACC（自适应巡航）和LCC（车道居中控制）核心功能的算法设计、开发与优化。
主导并完成了ACC/LCC算法的迭代升级，通过引入预测控制和模糊逻辑优化，将跟车舒适性提升了15%，车道保持精度提升了10%。
针对复杂交通场景下的Corner Case（极端情况）进行深入分析与解决方案开发，例如：前车加塞、鬼探头、车道线模糊等，有效降低系统误判率20%，提升系统鲁棒性。
与感知、规划、控制团队紧密协作，完成了多传感器融合（雷达、视觉、超声波）的数据处理与决策逻辑优化，减少了多传感器数据冲突导致的误触发，提升系统稳定性18%。
参与了自动驾驶仿真平台的搭建与测试，设计了超过5000个仿真测试用例，覆盖多种Corner Case，并基于CI/CD流程实现了自动化测试，提升测试效率30%。
使用C++和Python进行代码开发与维护，熟练运用ROS和Apollo平台进行模块集成与调试。
贡献了3篇核心技术专利申请，并参与了多项行业标准制定工作。

项目经历

基于深度学习的城市道路自动驾驶决策系统

公司内部创新项目

2022-03 - 2023-08

项目背景：针对城市复杂交通环境，开发一套能够自主进行决策和路径规划的自动驾驶系统。
个人职责：负责决策层算法的设计与实现，特别是针对交叉路口、环岛等复杂场景的行为预测与决策模块。
关键技术：采用强化学习与模仿学习相结合的方法，训练Agent在复杂场景下做出类人决策，并优化了决策模型的实时性。
项目成果：在内部测试中，系统在城市道路测试中表现出95%的决策准确率，成功处理了超过100种复杂交通场景，有效降低了人工干预频率25%。
价值体现：为公司下一代自动驾驶产品提供了核心决策算法原型，显著提升了系统在复杂城市场景下的表现。

多传感器融合定位模块优化

公司研发项目

2021-09 - 2022-02

项目背景：提升自动驾驶车辆在恶劣天气和城市峡谷环境下的定位精度和鲁棒性。
个人职责：负责开发和优化基于IMU、GPS、雷达和视觉等多传感器融合的定位算法。
关键技术：设计并实现了扩展卡尔曼滤波器（EKF）和粒子滤波器（PF）的融合算法，并对传感器噪声模型进行了精确标定。
项目成果：在实际测试中，定位精度在城市峡谷区域提升了20%，在雨雪天气下的定位稳定性提升了15%，满足了L3级别自动驾驶对定位精度的要求。