WeRide文远知行核心研发团队大揭秘

原文链接：WeRide文远知行核心研发团队大揭秘 (qq.com)

可供加入自动驾驶Tier1的同学参考。

基础架构团队可以说是自动驾驶系统的肌肉和骨架，车端提供高可用、高性能和高可靠的车载系统，以及灵活的系统应用接口；离线工具链提供各类高效的开发集成平台和仿真平台，通过收集和分析自动驾驶过程中的海量数据，设计和执行大规模仿真任务，提供强大的工具帮助算法团队快速定位问题和解决问题。

团队负责设计和开发自研车载系统及中间件、开发高性能云计算系统、搭建大规模数据处理和分析平台、利用机器学习和模拟学习设计自动驾驶仿真算法、构建大规模仿真场景、以及研发支撑算法开发、测试、集成和部署的强大工具。

Q：基础架构团队有哪些岗位呢？具体要做什么工作呢？

基础架构团队主要是由工程师团队和非工程师团队组成。

工程师团队占到了整个团队构成的80%，其中工程师团队又主要有两大方向，我们一般称为onboard(车端)工程师和offboard(离线)工程师。顾名思义，onboard工程师的工作内容会涉及到自动驾驶车载系统。作为基础架构团队，我们会负责车载系统的底层操作系统、中间件与基础服务系统，因此 onboard工程师会接触到Linux OS或者其他的操作系统，并且使用不同的工具做debug和performance benchmark。而在offboard方面，offboard工程师们的工作内容聚焦在文远知行自研的全栈式基础架构产品群。这就包括了数据管理、数据分析、数据可视化、问题分诊、场景管理、仿真算法与平台、大规模仿真、集成开发与测试、数据中心等等不同产品。根据不同产品的需求，我们又可以分为前端、后端、数据、运维、测试与发布工程师。他们各司其职，为我们的功能团队提供非常高效和易用的产品与服务。

非工程师团队主要由产品经理和技术项目经理组成，负责基础架构团队的产品调研与设计、项目安排与追踪管理。

Q：怎样才能进入文远的基础架构团队呢?需要具备哪些技能呢？

Infra Team涉及的技术跨度极大(系统、算法、全栈开发、大数据、云计算、深度学习、数据中心等)，扎实的计算机功底是攻克系统优化、云端平台开发、仿真算法设计等技术难题的基础。比如我们曾多次深入堆栈，发掘内存中难以察觉的问题并进行优化；也曾手撕网页GPU渲染技术，自研能够实时高频率显示百万点云的网页前端。

我们同样欢迎在特定技术领域经历丰富，思考深刻的同学。我们组里有多位在google等硅谷大厂工作近十年的技术大牛，也有多位来自清华北大等顶尖名校，有着多年acm竞赛经历的同学。正因为技术跨度大，你总能在Infra Team找到心仪的项目、指引你成长的导师和一群志同道合的小伙伴。

我们还会一起去探索一些open questions：比如在大规模自动驾驶仿真测试中，我们怎样去大规模地模拟真实世界中会出现的各种情况？如何才能保障我们仿真场景的完备性与真实性？如何让仿真世界中的车辆与自动驾驶车辆进行博弈？我们欢迎所有渴望运用聪明才智，挑战未解领域的同学加入我们~

物体的检测与跟踪

感知模块可以说相当于自动驾驶系统的眼睛。它将看到的信息反馈给大脑，或者说它比眼睛更优秀，因为它不光会看，还会分析。

感知团队的工作任务是通过收集激光雷达、摄像头、毫米波雷达等各类传感器数据，对它们进行特征检测、信息融合和目标跟踪等操作，最终整合归纳得到对周围环境中各类目标的准确信息感知。为了满足自动驾驶实时性的需求，上述这些操作都是在极短时间内完成的，并且要精准和高效。

Q:感知团队有哪些岗位呢？具体要做什么工作呢？

A:自动驾驶车安装了多种传感器，如激光雷达、摄像头、毫米波雷达等，为了融合，它们必须工作在同一个坐标系里，所以需要开发精准自动的传感器标定算法。收到各个传感器数据之后，感知的深度学习模型会融合多传感器进行3D检测和分割，同时估计物体的类型和运动属性，例如速度、加速度、朝向等。

接下来要对各个物体进行深入的理解，如车辆、行人的细分类，车门是否打开以及车灯的状况等。同时还要基于对多个物体时空关系来理解整个场景，例如路口的交通灯、施工场景、事故场景等。为了达到上述目标，我们需要构建数据闭环，从长尾数据收集、自动标注，到搭建模型训练平台、模型的自动更新、模型部署等。

为了保证感知系统能在车载平台上稳定、高效、可靠的运行，我们还需要对模型做极致的优化，搭建一个可靠、好用和好测的系统。

Q: 在文远知行的感知团队工作，体验如何呢？

很多同学对感知的理解可能仅仅是目标检测和跟踪，实际上远不止于此。感知团队需要预测和判断非常多具有丰富语义属性的信息，在学习的目标、输入的形式、工程上的可迭代性、数据闭环的构建、稳定可靠的系统搭建等方面，都存在很多的开放性问题。你需要做的，可能不仅仅是在一个已经定义好的问题上追逐最好的性能，也可能是定义全新的问题和全新的输出形式，挖掘有用的输出信息。

自动驾驶的感知系统在发展的过程中，会不断有新的问题涌现，这些新的问题对每一位同学来说，既是挑战，又是机遇。感知团队的同学们，就是不断在解决这种具有开放性和挑战性的问题中一起成长，一起进步。

Q:怎样才能进入文远的感知团队呢？需要具备哪些技能呢？

感知团队的主要工作是对激光雷达、相机、毫米波雷达等传感器数据进行处理和理解，检测本车周围障碍物和道路交通标志，并结合历史信息和地图信息理解本车周边环境和其他交通参与者意图。在完成上述任务过程中，感知团队大量使用数字图像处理、计算机视觉、机器学习(特别是深度学习)和优化理论等知识。

我们既需要对主流视觉任务如分类、检测、分割有较好理解的同学来解决基础的检测任务，也需要熟悉统计学习方法或优化方法的同学来处理各种长尾问题。没有机器学习基础也没关系，感知组的众多模型也需要了解并行计算及资源调度的同学来帮助优化运行和训练效率。

与此同时，数据挖掘方向的同学可以在我们海量的路测数据中挖掘有价值的数据。我们也需要熟悉数据库或者前端的同学开发高效的数据处理、可视化和管理工具。

总之，一个有较好计算机、统计学习、数学或者EE基础的同学，总能在感知组找到自己的用武之地。

Q:有没有什么学习书籍/网站推荐呢？

感知会大量使用深度学习，所以系统学习一两门相关课程是必须的，B站上Andrew Ng的《机器学习》、《深度学习》两门课特别适合打基础。同时还需要经常读最新的论文，了解学术界最新的研究成果，可以看看李沐读论文的视频，学习怎么读学术论文。B站上陈天奇的《模型编译》课程可以让你的深度学习知识更进一步。感知系统是要跑在车上的，关系到安全，所以对工程能力要求非常高，可以学习《Effective C++》、《Software Engineering at Google》、《Design Patterns》、《STL源码剖析》等书籍。

路线规划与车辆控制

“在自动驾驶系统中，预测规划与控制可以类比为人类的大脑与神经。确保“大脑与神经”正确高效地“思考”和安全舒适地“执行”，是一个优秀的预测规划与控制组的职责所在。”

Q: 预测规划与控制团队有哪些岗位呢？具体要做什么工作呢？

预测规划与控制团队要负责从地图、感知以及对整个环境未来的预测中提取信息并作出正确的决策，生成安全舒适的可行驶轨迹并精确地执行。这个过程中离不开我们预测团队、决策规划团队以及控制团队的工程师们之间的密切配合。预测工程师需要设计和实现高效的机器学习和深度学习算法，使用大规模真实交通数据训练预测模型，确保模型能够准确预测各种交通情景中的动态变化。面对复杂多变的真实场景，我们的决策工程师们需要考虑的问题很多，比如是否需要变道或绕行、交通规则、与其他交通参与者之间的合作与博弈、以及对复杂未来的不确定性的处理等等。有了这些信息，我们的规划团队则会去规划主车的具体行驶轨迹。这其中我们需要各种各样的路径及轨迹规划算法，使得我们车辆可以准确地避让障碍物，保持安全距离，通过狭窄区域，完成靠边停车等等。有了主车的规划之后，我们的控制团队则会负责将规划映射为具体的硬件控制指令，并在不同坡度以及各种不同的真实路面条件下使之得以精准执行。

Q：在文远知行的预测规划与控制团队工作，体验如何呢？

预测规划与控制是我们自动驾驶系统的大脑与神经，在这里我们将面对整个领域中最复杂也最有趣的问题，那就是探索如何在现实中和整个世界进行互动。我们经常面对一些很难的问题，需要深入思考、讨论、推理、探索和实验。我们解决问题的过程可能会面临一波三折，但是我们相信这个团队会带给你独一无二的体验：和擅长不同领域的小伙伴们一起合作和探索、战胜困难之后带来的成就感、引申出来的一些巧妙的思考与见解。

Q：怎样才能进入文远的预测规划与控制团队呢?需要具备哪些技能呢？

预测规划与控制团队涉及的技术跨度很大，除了基础编程和算法外，优化理论、机器学习、大数据、博弈论、控制论等也是我们解决问题所不可缺少的理论工具。扎实的计算机和数学功底是我们对问题进行分析和建模、完成具体工程实现的基础。我们欢迎思考深刻以及在特定领域有丰富经历的同学加入我们的规划与控制团队。在这里，你总能找到心仪的项目、指引你成长的导师和一群志同道合的小伙伴。

Q：有没有什么学习书籍/网站推荐呢？

推荐同学们去了解下Convex Optimization，Handbook of Robotics，Vehicle Dynamics and Control，以及Game Theory，Deep Learning，Reinforcement Learning相关领域的知识。

自建厘米级高精地图

如果将无人车和人脑类比，那么地图和定位系统大致对应后者中掌管空间记忆、感知和定位的部分。

地图与定位团队为智能车提供详实准确的道路拓扑和语义等先验信息，实时在车端对环境和道路元素进行建模，为车辆提供外部环境的数字孪生等。地图与定位团队同时还负责提供与地图和实时环境连续一致的位姿信息，让车辆每时每刻都知晓自身和周围环境的精确信息。感知、规划、控制、仿真等各大模块都要依赖其提供的道路环境信息和车辆信息对周围世界进行理解，从而做出正确的决策。

Q: 地图与定位团队有哪些岗位呢？具体要做什么工作呢？

地图与定位团队通过自研算法技术，提供连续平滑的环境数据、道路拓扑和交通信号等大量语义信息，并基于激光雷达、相机、卫星及惯性导航等多传感器融合实现准确快速的定位，使下游的感知、规划与控制等团队的算法得以顺利执行。这个过程中，需要我们的地图、定位方向的算法和研发工程师通力合作。

地图和定位算法工程师会负责基于多传感器的智能算法的研发，从原始传感器数据识别交通关键要素，自动化和实时的构建车端地图，将多车的数据进行匹配和融合生成全局图。

地图系统研发工程师会与算法工程师一起完成高精度地图系统相关的研发工作，包括三维地图信息与可视化交互，语义地图从云端生产到车端加载等整套流水线维护和基于深度学习和视觉方法的自动地图生产系统等。

Q: 在文远知行的地图与定位团队工作，日常是一种什么样的工作状态呢?

地图与定位模块是无人驾驶的核心基础模块之一，感知、规划与控制等模块都要依赖它所提供的位置和道路信息。在文远的地图与定位团队里，我们可以接触到业界最前沿的自动化建图和定位技术，并在解决各种复杂场景难题中获得快乐和成就感。团队的氛围融洽，大家会为了一个共同的目标贡献智慧，通力合作，也会在问题解决后共同庆祝。地图与定位团队也比较注重个人的成长，会定期举行技术分享会，让大家边工作边成长，和团队共同进步。

Q: 怎样才能进入文远的地图与定位团队呢?需要具备哪些技能呢?

地图定位系统是一个大型的系统工程，不仅涉及到稳定可靠的平台开发和集成，还有大量的核心算法的研究。所以我们不仅要求相关成员拥有良好的数学和编程基础，还要在机器人学、状态估计理论、实时多传感器数据处理和融合算法、图像和点云处理、EKF/UKF/PF等滤波技术上有所涉猎，并熟悉一些主流的SLAM框架和代码库等。

而语义地图方向涵盖的技术门类也很多，除了基础编程以及算法能力外，也涉及到深度学习、机器视觉、系统优化、云端平台开发、前端设计和服务研发等主题。

我们欢迎积极主动、好学上进、勇敢创新、有合作精神的同学加入我们的团队，在这里你会拥有亦师亦友的导师，志同道合的伙伴，心仪的有挑战性的项目，并获得你人生中最值得骄傲的一段工作经历。

Q: 有没有什么学习书籍/网站推荐呢？

对建图、定位算法岗位感兴趣的同学，入门可以看看《视觉SLAM十四讲》，深入学习推荐《机器人学中的状态估计》、《Principles of GNSS, Inertial, and Multisensor Integrated Navigation Systems》、《Numerical Optimization》等书籍，多熟悉地图定位相关领域的基础知识，研究一些主流的

SLAM开源系统。自动标注等项目需要机器学习、计算机视觉的基础知识，经典书籍有《Pattern Recognition and Machine Learning》、《Deep Learning》等。开发岗位的同学需要了解相关技术栈和主流开发库，最好有比较完整的项目实操经验。

点云半自动标注

数据可以说是自动驾驶系统的血液，给自动驾驶各个模块提供养分，同时将它们紧密结合在一起。文远知行的数据团队致力于打通自动驾驶数据闭环链路，包括数据采集、上传、平台搭建、索引、标注和模型训练等方面，打造完整的闭环，加快算法迭代速度。同时，我们开发了多种数据分析和处理工具链，全面建设企业级大数据平台。

Q：数据团队的主要工作领域？

1. 数据标注平台。人工智能模型的优劣在很大程度上依赖于高质量的训练数据。文远知行的数据团队拥有专业的数据标注团队和系统，结合高效的人员管理，处理自动驾驶车辆的数据，实现自动和半自动标注，确保数据质量，并进行数据导出和管理，以支持模型训练。算法团队致力于基于深度学习和几何算法（如SLAM、三维重建）的自动化标注；前后端开发团队参与各类标注工具、管理平台和2D/3D渲染优化的开发；产品和项目经理则不断提升标注工具和管理平台的效率。

2. 云控平台和可视化产品。文远知行致力于技术产品化，推动自动驾驶技术的落地，改变人类出行方式。数据团队是技术产品化的重要支撑，专设产品研发小组，负责设计并搭建云端调度系统、云控平台和车载人机交互产品，打造公司明星产品，包括打车App、5G远程控制平台和车载交互系统。这些产品和系统贴近运营服务，帮助我们深入挖掘用户对自动驾驶产品的真正需求，不断改进，提升用户体验。

Q：在文远知行数据团队的工作体验如何？

数据是人工智能的粮食，也是自动驾驶系统的核心。数据处理效率决定了算法研发和迭代的速度，是自动驾驶初创企业快速发展的关键。在数据团队，你将全面观察数据流转全过程，近距离接触自动驾驶的商业化落地，深刻理解人工智能。团队工作涵盖大数据处理、平台研发、移动应用开发、工程化构建、大模型训练等多个领域，每个领域都有专家指导，帮助每位成员深耕兴趣领域，与团队共同成长进步。

Q：加入文远知行数据团队需要具备哪些技能？

我们是一个充满活力、勇于接受挑战的团队，需要成员善于团队沟通，具备独立思考和解决问题的能力，以及勇于探索的精神。团队使用的技术范围广泛，包括：

• 模型、算法方向：深度学习算法研发、多模态大模型研发、几何算法研发（SLAM、三维重建），负责开发离线大模型，涉及corner case挖掘、大模型自动标注、4D标注、数据合成（AIGC）等；

• 基础设施方向：平台服务工程化、高效数据处理和算法研发（java、GO、python、C++）、大数据研发（Iceberg、Clickhouse、Spark、Kafka）、运维部署开发（Docker、K8s、Jenkins、服务注册与发现），AI智能工程化（向量数据库、AI基础设施平台搭建）等；

• 应用方向：高性能3D渲染引擎技术（Cocos，Three.js），Web全栈技术（Node.js、React.js、Vue.js、TypeScript），微服务技术架构（Go-zero， Nestjs，Flask等），移动应用开发（IOS、Android、H5、小程序技术），应用工程化（Webpack、Vite、Rollup、Esbuild），AI智能应用（GPT类）等。

我们欢迎这些技术方面的专家或熟练掌握相关技术的人才，也欢迎具有扎实编程和计算基础、学习能力强的伙伴加入我们。

产品工程团队在自动驾驶技术领域扮演着重要角色，肩负着确保安全性和提升舒适性的重要使命，同时作为驱动技术持续演进的关键驱动力。团队广泛涉猎从L2+至L4等不同级别的自动驾驶系统，其工作覆盖了整个系统的生命周期：始于需求分析与功能规划，历经系统整合与质量控制，直至商业项目的最终交付，这一系列过程充分展现了其专业广度与深度。

日常运作中，团队专注于自动驾驶车辆的维护与测试，运用前沿技术进行全面而细致的保养，以保障系统的稳健运行与高度可靠性。在测试环节，团队结合仿真与实车测试，精心设计各类复杂情景，严格验证系统的性能与安全标准。团队具备深厚的测试数据分析能力，能精准识别潜在缺陷并提出改进建议，同时自主研发测试工具，为测试效率与精度提供坚强后盾。版本发布与系统维护是产品工程团队的另一项关键职责，确保每一版软件的稳定可靠，并持续推动系统优化升级。面对用户反馈，团队迅速响应，提供专业的技术支持，确保用户满意度。

在商业项目的实施与交付上，团队发挥了决定性作用。无论是国内还是国际市场，团队都能凭借其问题解决能力，实现项目的无缝对接与圆满交付，通过紧密的跨部门合作及卓越服务，不断巩固公司在行业内的领先地位，增强品牌影响力，开拓更广阔的市场空间。值得一提的是，产品工程团队还非常注重站在用户角度上思考问题，致力于提升自动驾驶车辆的使用体验。通过不断优化系统功能和界面设计，让自动驾驶变得更加智能、便捷和舒适。

此外，产品工程团队还具备出色的学习能力和沟通能力。能够快速掌握自动驾驶系统的各模块工作原理和逻辑，在出现问题时迅速定位并解决。同时，他们还能够与算法开发部门、运营部门等其他部门高效协作，确保工作的顺利进行。

作为一支年轻有活力的团队，交流无障碍，工作氛围紧张而充实，充满挑战与机遇。在部门负责人的引导下，团队成员的意见得到充分尊重，共同为自动驾驶技术的创新与发展贡献力量。

Q：硬件组是负责干什么的？都有哪些岗位？

硬件团队负责设计开发自动驾驶硬件方案，目标是构建高性能、可靠且安全的自动驾驶车辆，业务包括自动驾驶硬件系统开发，可靠的运营车辆的开发以及运营车队的维护支援等。

首先，你在自动驾驶车辆上能看到很多东西都归属于硬件负责，包括计算单元、传感器、传感器外壳、各类设备的支架、线束等。硬件组一方面会负责将这些设备与不同的车型进行集成，也会对一些关键的硬件开展自主研发。

其次，硬件组会关注自动驾驶系统在不同层面的性能，一方面需要造型美观、结构紧凑、成本可控、使用便利、耐久可靠，另一方面要强安全、高复用、可拓展、低时延。

最后，感知、规控、定位等算法要在车上丝滑运行，也离不开硬件组提供的底层支持，主要包括车端底盘车身控制接口的开发，各类传感器驱动软件的开发，对新车型安装完成后的下线调试等。

Q：硬件组的上下游是哪些团队？

需求通常来自上游是产品组和BD，输出的下游包括感知、规控、定位等各算法团队，也包括了实施采购的供应链和对车辆实施HW方案改装的总装团队。

Q：硬件组具体有什么工作？

硬件组最核心的工作是提供自动驾驶模块化硬件解决方案，用一套高效、紧凑、安全、可靠的硬件平台覆盖智慧出行、智慧公交、智慧货运等场景，高效支撑L2/L3高阶智能驾驶解决方案至L4级别自动驾驶系统的研发、应用和交付。

以L4产品线为例，硬件组的主要工作包括平台开发、车型开发和前瞻开发三个部分。

平台开发是模块化的基础。我们考虑不同场景、车型的通用需求，让传感器套件和计算平台保持技术领先和成本可控的平衡，既能复用在不同的产品线，又能适配不同产品线的差异点，保持灵活。同时，我们还会按照汽车行业的验证标准开展充分的可靠性验证，将自动驾驶系统硬件调试到最佳的状态，让上层软件算法流畅运行。同时，我们将与外部合作伙伴紧密协作，管理相机、激光雷达、毫米波雷达、定位模块、芯片等核心器件的生命周期，让硬件稳定供应、持续迭代。

车型开发保证了解决方案的落地。我们按照不同运营场景的要求，与国内外各大主机厂合作，在基础车型上开发、部署自动驾驶系统硬件。一方面，硬件组挑选合适的传感器组合和计算平台，在造型上与基础车型充分融合，整体考虑热管理、NVH、电气架构、线束连接、安装及维护，在物理层面打通基础车型和自动驾驶系统之间的壁垒。另一方面，我们将根据不同车型的底盘和车身参数，开发加速、制动、转向、车身附件的控制接口，使自动驾驶车辆的驾驶表现如老司机般丝滑。

前瞻开发拓展了硬件平台的边界。我们与合作伙伴交流技术见解，测试新车型的底盘性能，或者提供定制开发、优化的技术服务。为了提供更加智能的自动驾驶乘坐体验，我们与合作伙伴探讨智能座舱的提升方案。面对更大规模、更大范围的交付需求，我们持续探索自动驾驶前装量产的设计标准、准入法规、集成验证及生产工艺，走在行业前沿。

得益于模块化的硬件解决方案，L4的方案可以高效复用到L2-L3级别高阶智能驾驶场景。在这一产品线，硬件组根据产品定义及测试需求，支持测试或数据采集车辆改装，以及特殊定制设备的方案设计。

硬件组是商务团队开拓市场的给力战友。我们基于对硬件方案的洞察，厘清客户的需求，评估系统方案、开发投入及周期，支持方案报价，给客户提供最专业的服务。

硬件组也是产品团队运营车队的坚强后盾。我们协同产品团队，支持智能网联考试、自动驾驶测试牌照里程累积和牌照升级，并从日常运营痛点出发，提供硬件优化方案，提升系统的可靠性与稳定性，持续打磨产品细节。