职场资讯
正在查看应届生规控算法整洁简历模板文字版
陈小湾
求职意向
工作经历
XXX智能是专注自动驾驶解决方案的科技公司，团队规模约XXX人，核心业务是为乘用车及低速无人车提供L2至L4级规控算法模块，产品已应用于超过XXX款量产车型，与多家主机厂及物流企业建立合作。
工作概述：
1.轨迹优化：为提升低速园区车行驶平顺性，负责基于优化算法的局部轨迹生成模块开发；使用五次多项式及非线性优化方法，在避障约束下规划平滑路径；在C++代码中实现算法核心逻辑，并通过实车测试验证轨迹曲率连续性；将平均轨迹曲率波动降低XXX%，提升乘坐舒适度。
2.控制仿真：为验证规控算法在极端工况下的稳定性，搭建基于Prescan/Simulink的闭环仿真测试场景；设计包括紧急制动、行人鬼探头在内的XXX个典型case；执行批量仿真并记录控制器输出，分析超调及稳态误差数据；通过参数迭代将极端工况下的横向控制误差收敛至XXX米内。
3.参数标定：针对不同车型适配需求，参与规控模块参数调试与标定工作；依据实车路试数据，调整PID控制器参数及预瞄距离；编写自动化脚本批量处理日志数据，对比调整前后跟踪误差指标；将参数标定周期平均缩短XXX小时，支持了X个新车型项目的快速落地。
4.数据分析：为解决特定弯道轨迹跟踪抖动问题，负责相关路段数据的提取与分析；从海量行车日志中筛选出目标场景，使用Python进行轨迹、横纵向加速度等信号的可视化；定位出预瞄模型参数不匹配的问题，并提供优化建议；推动相关模块代码更新后，该场景下的方向盘转角波动减少XXX%。
工作业绩：
1.完成低速车轨迹优化模块核心代码开发，支持项目在X个园区场景的部署测试。
2.搭建并维护包含XXX个测试场景的仿真用例库，功能覆盖率达核心场景的XXX%。
3.协助完成X款车型的规控参数标定，实车测试中轨迹跟踪误差均满足小于XXX米的项目要求。
4.通过数据分析定位并推动解决X个已知的车辆控制问题，获得团队代码贡献奖。
主动离职，希望有更多的工作挑战和涨薪机会。
项目经历
公司核心的低速无人驾驶产品项目，原有基于规则的决策规划模块在复杂动态障碍物场景下通行效率低，频繁停车导致任务完成时间波动高达XXX%，服务XXX个合作园区时，车辆在人车混流区域的最高速度被限制在XXkm/h以下，规控算法与底盘线控系统存在接口延时，导致控制响应滞后，横向跟踪误差在弯道最大达X米。
项目职责：
1.算法开发：负责局部轨迹规划模块的优化算法实现与集成，采用五次多项式与非线性优化结合的方法，在C++环境中开发，满足实时性与平滑性约束。
2.仿真测试：搭建基于ROS与Gazebo的算法仿真验证环境，设计包含静态障碍、动态行人等XXX个测试场景，执行批量回归测试。
3.实车调试：支持实车路测，负责采集与分析车辆状态、控制指令等数据，协助工程师进行控制器参数调试与效果验证。
4.性能分析：编写Python工具脚本对测试日志进行自动化处理，统计轨迹跟踪误差、舒适度指标，并生成可视化分析报告。
项目业绩：
1.优化后的轨迹规划算法将动态场景下的平均通行效率提升XXX%，车辆在混流区的最高许可速度提升至XXkm/h。
2.通过仿真与实车调试，将弯道工况下的横向控制误差稳定在
X.X米以内，控制响应延迟降低XXX毫秒。
3.开发的自动化分析工具将数据处理与报告生成效率提升XXX%，支持项目快速迭代。
4.项目成功在X个园区落地运行，累计无故障运行里程超XXX公里，获得客户好评。
教育背景
GPA X.XX/X.X（专业前XX%），主修汽车理论、控制工程基础及现代电动汽车技术等课程，熟练掌握C++与Python编程。参与智能车循迹控制课程设计，在团队中负责基于PID与预瞄的横向控制算法仿真与实现，完成在Simulink/Carsim联合仿真平台下的闭环测试，熟悉ROS机器人操作系统基础与Linux开发环境。
自我评价
培训经历
完成由公司内部专家组织的为期XXX周规控算法专项培训，系统学习了模型预测控制（MPC）与优化理论在轨迹规划中的应用。将培训所学应用于园区车项目，参与了MPC控制器原型代码的阅读与测试，对其中权重矩阵调整提供了仿真数据支持。
应届生规控算法整洁简历模板
501人使用适用人群: #规控算法 #应届生[<1年]
[基本信息]
姓名：陈小湾
性别：男
年龄：26
学历：本科
婚姻：未婚
年限：4年
面貌：党员
邮箱：xiaowan@gangwan.com
电话：18600001654
[求职意向]
工作性质：全职
应聘职位：规控算法
期望城市：北京
期望薪资：8000-10000
求职状态：离职-随时到岗
[工作经历]
北京XX科技有限公司 | 规控算法
2024-09 - 2025-12
XXX智能是专注自动驾驶解决方案的科技公司，团队规模约XXX人，核心业务是为乘用车及低速无人车提供L2至L4级规控算法模块，产品已应用于超过XXX款量产车型，与多家主机厂及物流企业建立合作。
工作概述：
1.轨迹优化：为提升低速园区车行驶平顺性，负责基于优化算法的局部轨迹生成模块开发；使用五次多项式及非线性优化方法，在避障约束下规划平滑路径；在C++代码中实现算法核心逻辑，并通过实车测试验证轨迹曲率连续性；将平均轨迹曲率波动降低XXX%，提升乘坐舒适度。
2.控制仿真：为验证规控算法在极端工况下的稳定性，搭建基于Prescan/Simulink的闭环仿真测试场景；设计包括紧急制动、行人鬼探头在内的XXX个典型case；执行批量仿真并记录控制器输出，分析超调及稳态误差数据；通过参数迭代将极端工况下的横向控制误差收敛至XXX米内。
3.参数标定：针对不同车型适配需求，参与规控模块参数调试与标定工作；依据实车路试数据，调整PID控制器参数及预瞄距离；编写自动化脚本批量处理日志数据，对比调整前后跟踪误差指标；将参数标定周期平均缩短XXX小时，支持了X个新车型项目的快速落地。
4.数据分析：为解决特定弯道轨迹跟踪抖动问题，负责相关路段数据的提取与分析；从海量行车日志中筛选出目标场景，使用Python进行轨迹、横纵向加速度等信号的可视化；定位出预瞄模型参数不匹配的问题，并提供优化建议；推动相关模块代码更新后，该场景下的方向盘转角波动减少XXX%。
工作业绩：
1.完成低速车轨迹优化模块核心代码开发，支持项目在X个园区场景的部署测试。
2.搭建并维护包含XXX个测试场景的仿真用例库，功能覆盖率达核心场景的XXX%。
3.协助完成X款车型的规控参数标定，实车测试中轨迹跟踪误差均满足小于XXX米的项目要求。
4.通过数据分析定位并推动解决X个已知的车辆控制问题，获得团队代码贡献奖。
[项目经历]
项目名称：园区无人配送车规控算法开发
担任角色：项目负责人
公司核心的低速无人驾驶产品项目，原有基于规则的决策规划模块在复杂动态障碍物场景下通行效率低，频繁停车导致任务完成时间波动高达XXX%，服务XXX个合作园区时，车辆在人车混流区域的最高速度被限制在XXkm/h以下，规控算法与底盘线控系统存在接口延时，导致控制响应滞后，横向跟踪误差在弯道最大达X米。
项目业绩：
1.优化后的轨迹规划算法将动态场景下的平均通行效率提升XXX%，车辆在混流区的最高许可速度提升至XXkm/h。
2.通过仿真与实车调试，将弯道工况下的横向控制误差稳定在
X.X米以内，控制响应延迟降低XXX毫秒。
3.开发的自动化分析工具将数据处理与报告生成效率提升XXX%，支持项目快速迭代。
4.项目成功在X个园区落地运行，累计无故障运行里程超XXX公里，获得客户好评。
[教育背景]
江苏大学
车辆工程 | 本科
GPA X.XX/X.X（专业前XX%），主修汽车理论、控制工程基础及现代电动汽车技术等课程，熟练掌握C++与Python编程。参与智能车循迹控制课程设计，在团队中负责基于PID与预瞄的横向控制算法仿真与实现，完成在Simulink/Carsim联合仿真平台下的闭环测试，熟悉ROS机器人操作系统基础与Linux开发环境。