Caterpillar
From Caterpillar's careers page
Status: listed on the employer's own careers page when we last checked (daily). Confirm on their site before applying.
Technology, Digital and Data
Your Work Shapes the World at Caterpillar Inc.
When you join Caterpillar, you're joining a global team who cares not just about the work we do – but also about each other. We are the makers, problem solvers, and future world builders who are creating stronger, more sustainable communities. We don't just talk about progress and innovation here – we make it happen, with our customers, where we work and live. Together, we are building a better world, so we can all enjoy living in it.
请您在简历上标明意向地点和职位名称。
职位1：自动驾驶数据引擎工程师 地点：无锡
职位2：自动驾驶端到端算法工程师 地点：无锡/上海
职位3：自动驾驶定位工程师 地点：无锡
职位4：自动驾驶感知工程师 地点：无锡
职位5：自动驾驶预测规划工程师 地点：无锡/上海
职位6：自动驾驶后台智能运营系统开发工程师 地点：无锡
职位7：自动驾驶后台数字孪生系统开发工程师 地点：无锡
职位8：自动驾驶AI架构与前沿技术工程师 地点：无锡/上海
职位9：自动驾驶仿真开发测试工程师 地点：无锡
职位1：自动驾驶数据引擎工程师 地点：无锡
岗位职责：
1、围绕数据规模化积累与模型持续迭代，负责数据工程与训练基础设施的开发建设，为感知、驾驶、决策等模型提供数据与训练底座。
2、开发面向矿山场景的自动标注工具链（弱监督、模型辅助标注、主动学习）与数据质量体系，提升标注效率与数据可用性。
3、面向模型训练开展合成数据生成与世界模型相关技术研究，包括生成式场景合成、World Model、Sim-to-Real、域随机化等，针对长尾与稀有工况扩充训练数据（侧重训练数据生产，与 SIL 测试仿真相区分）。
4、开展跨矿区泛化研究（域自适应、域随机化），量化评估数据分布变化下的模型性能并提出增强方案。
5、搭建训练与评测流水线（MLOps）、模型与数据集管理及分布式训练等基础设施，支撑模型高效迭代。
6、与感知、算法及基础设施团队协同对接，输出工具、流程与技术文档。
任职要求：
1、计算机、自动化、人工智能、软件工程等相关专业硕士学历。
2、熟练掌握 Python，熟悉深度学习训练流程（PyTorch），熟悉 Linux 开发环境，具备良好的工程能力。
3、熟悉以下方向中的至少一个，并有相关项目或实践经历即可：
（1）数据与训练基础设施：自动标注、数据管理、MLOps、分布式训练；
（2）训练数据生成：合成数据、World Model、Sim-to-Real、域随机化，或三维重建（NeRF / 3DGS）。
4、具备较强的动手能力与工程落地意识，能够独立完成工具开发与部署。
加分项（非强要求）：
1、有合成数据生成、World Model、域自适应或 Sim-to-Real 相关经历。
2、有分布式训练、数据平台或自动标注相关经历。
3、熟悉 Docker、CI/CD 等工程工具。
4、有无人驾驶或机器人相关项目、竞赛或实习经历。
职位2：自动驾驶端到端算法工程师 地点：无锡/上海
岗位职责：
1、面向下一代无人驾驶技术，研究端到端自动驾驶模型（Sensor-to-Planning），打通感知、预测、决策全链路，探索由原始传感器数据直接输出规划轨迹的技术路线。
2、研究视觉-语言-动作（VLA）与机器人基础模型，探索大语言 / 视觉语言模型作为推理引擎，处理矿区复杂工况下的语义理解与推理。
3、结合模仿学习、Diffusion Policy 等方法，研究装载、挖掘、卸载等作业技能学习，推动作业级自主能力落地。
4、探索闭环仿真训练方法以替代传统开环模仿学习，提升模型在长尾工况下的泛化能力。
5、跟踪学术界与工业界前沿方案，完成算法原型搭建与验证，定期开展技术分享，推动方案持续演进。
6、与感知、规划、控制及系统集成团队协同对接，输出算法方案与研究文档。
任职要求：
1、计算机、人工智能、自动化、电子信息等相关专业博士学历。
2、具备扎实的深度学习与机器学习基础，熟悉序列建模与 Transformer 架构，熟练使用 PyTorch / TensorFlow。
3、熟悉经典端到端自动驾驶方案（如 UniAD、VAD），了解主流 VLA 架构（如 RT-2、OpenVLA）及 BEV / Occupancy 表征。
4、熟练使用 Python 和 C++，具备良好的编码与工程实现习惯。
5、有端到端驾驶、VLA 或模仿学习相关的项目、竞赛或研究经历即可，对前沿技术有浓厚兴趣和较强钻研能力。
加分项（非强要求）：
1、在端到端驾驶、VLA、模仿学习或 Diffusion Policy 方向有高水平论文或知名开源项目。
2、了解世界模型、闭环仿真训练或强化学习。
3、有机器人操作（manipulation）相关研究经历。
4、熟悉 ROS / ROS2 与实车调试。
职位3：自动驾驶定位工程师 地点：无锡
岗位职责：
1. 负责矿山无人驾驶车辆定位与组合导航算法开发、调试与迭代优化。
2. 开发多传感器融合定位系统：GNSS/RTK, IMU, Wheel Encoder, LiDAR
3. 实现高精度组合导航（GNSS/INS）
4. 负责：状态估计, 误差建模, 传感器标定, EKF/ESKF滤波器调优
5. 开发并优化：LiDAR SLAM, Visual SLAM, Map Matching, Localization Fusion
6. 解决GNSS失锁、边坡、弯道及复杂矿区环境下的连续定位问题。完成实车联调、数据分析及定位问题诊断，实现现场问题快速闭环。
7. 与规划、控制及系统团队协同工作，支撑无人驾驶系统稳定运行。
任职要求：
1、导航工程、测绘工程、自动化、机器人、电子信息、计算机、车辆工程等相关专业硕士及以上学历。
2、熟练掌握 C++ 和 Python 编程语言，熟悉 Linux 开发环境，具备良好的代码实现与调试能力。
3、熟悉以下一个或多个方向，并具有课程设计、实验室项目、科研课题或实习经验：
GNSS / RTK
GNSS / INS 组合导航
EKF / ESKF 状态估计
LiDAR SLAM
Visual SLAM
Map Matching
Multi-Sensor Fusion Localization
4、具备扎实的数学基础，熟悉线性代数、概率论、随机过程、最优化等相关知识。
5、了解惯性导航、坐标变换、传感器标定、时间同步等定位系统基础原理。
6、熟悉常见定位与 SLAM 算法原理，对以下方向有一定理解者优先：
Kalman Filter
Graph Optimization
Visual Odometry (VO)
Visual Inertial Odometry (VIO)
LiDAR Odometry (LO)
7、具备良好的工程实现能力和问题分析能力，能够阅读英文技术文档和学术论文，并快速学习新技术。
8、具备团队合作精神和较强的沟通能力，对无人驾驶、机器人或智能装备领域具有浓厚兴趣。
加分项（非强要求）：
1、熟悉 ROS / ROS2 开发，有无人驾驶、机器人或工程机械相关项目、竞赛或实习经历。
2、用过 FAST-LIO、LIO-SAM、Cartographer、VINS-Fusion、ORB-SLAM 等定位与 SLAM 框架，具有多传感器融合定位系统开发经验。
3、有矿山、港口、物流园区等工业场景定位系统开发或量产项目经验。
4、有 Jetson / Orin 等车端平台部署经验，熟悉 TensorRT、CUDA 等性能优化工具，或使用过 NovAtel、华测、导远等高精度定位设备。
5、熟悉 Nav2、高精地图、地图匹配（Map Matching）或车端导航系统开发者优先。
职位4：自动驾驶感知工程师 地点：无锡
1. 负责矿山无人驾驶车辆感知算法的开发、调试与迭代优化，保障系统在复杂工况下的精度、实时性与稳定性。
2. 开发基于激光雷达、摄像头及毫米波雷达的多传感器融合感知系统，实现：3D Object Detection, Semantic Segmentation, Occupancy Prediction,Scene Understanding, Dynamic Object Tracking
3. 复现并优化主流自动驾驶感知算法：BEV Perception, Occupancy Network, Transformer-based Detection, Multi-modal Fusion
4. 针对矿山扬尘、浓雾、雨雪、夜间等复杂工况开展鲁棒性感知研究与优化。
5. 负责感知算法工程化开发与车端部署，对接传感器与计算平台，实现模型高效运行。
6. 利用实车测试与回传数据建立算法优化闭环，持续提升核心指标。
7. 计算机、人工智能、自动化、机器人等相关专业硕士及以上学历。
8. 熟练掌握：C++, Python, Linux开发环境
9. 熟悉深度学习基础理论和主流框架，能够独立完成模型训练、优化与部署，具备 PyTorch 或 TensorFlow 开发经验。
10. 熟悉 Transformer、Attention、CNN 等主流深度学习架构，了解自动驾驶感知领域主流方案，如 BEVFormer、BEVFusion、Occupancy Network、Sparse4D 等。
11. 了解激光雷达、摄像头、毫米波雷达等传感器工作原理，具备多传感器时间同步、标定及数据融合相关经验者优先。
12. 具备较强的问题分析与工程落地能力，能够基于实车测试和回传数据完成问题定位、性能分析和持续优化。
加分项
1、熟悉 ROS / ROS2 开发，有无人驾驶、机器人或工程机械相关项目、竞赛或实习经历。
2、用过 OpenPCDet、MMDetection3D、BEVFusion 等主流自动驾驶感知框架，具备目标检测、语义分割、BEV 感知或 Occupancy Network 相关开发经验。
3、有矿山、港口、物流园区等工业场景感知系统开发或量产项目经历。
4、有 Jetson / NVIDIA Orin 等车端平台部署经验，熟悉 TensorRT、CUDA 等推理加速与性能优化工具。
5、具有激光雷达、摄像头、毫米波雷达等多传感器融合感知开发经验，或参与过自动驾驶、机器人感知系统量产项目者优先。
职位5：自动驾驶预测规划工程师 地点：无锡/上海
岗位职责：
1、面向交叉口、汇流等强交互场景，研究多智能体轨迹预测与交互决策，基于部分可观马尔可夫决策过程（POMDP）、场景树（Scenario Tree）等方法建模。
2、研究预测-决策一体化架构，将学习型多模态预测与显式优化（iLQR / QP）结合，实现预测结果直接驱动决策的紧耦合框架。
3、研究风险感知的应急规划（RCP）与风险聚合机制（如 α-CVaR），并与运动规划层对接，输出安全、舒适、高效的轨迹。
4、利用公开数据集（nuPlan、Waymo Open Motion 等）或自采数据开展算法验证与迭代。
5、跟踪学术界与工业界前沿方案，完成算法原型搭建与验证，定期开展技术分享，推动方案持续演进。
6、与感知、规划、控制及系统集成团队协同对接，输出算法方案与研究文档。
任职要求：
1、计算机、自动化、人工智能、运筹学、车辆工程等相关专业博士学历。
2、具备扎实的机器学习与优化理论基础，熟悉强化学习 / 模仿学习 / POMDP 中的至少一项。
3、了解非线性优化（iLQR / DDP）或凸优化（QP / SOCP），熟悉时序预测模型（LSTM / Transformer / GNN）。
4、熟练使用 Python 和 C++，具备良好的编码与工程实现习惯。
5、有自动驾驶预测或决策规划相关的项目、竞赛或研究经历即可，对前沿技术有浓厚兴趣和较强钻研能力。
加分项（非强要求）：
1、了解 GameFormer、MIND、DTPP 等交互预测 / 决策方法。
2、有 nuPlan、Waymo Open Motion 等公开 benchmark 的参赛或上榜经历。
3、了解多智能体博弈（微分博弈、Stackelberg）或时空语义走廊（SSC）。
4、有实车或 ROS2 相关经历。
职位6：自动驾驶后台智能运营系统开发工程师 地点：无锡
岗位定位
面向已运营矿山的自动驾驶车队和生产系统，利用数据工程、机器学习、智能分析与自动化技术，持续挖掘车辆、任务、道路、设备、网络和生产运营数据，将数据转换为可解释的洞察、可验证的优化建议以及可落地的自动化策略，帮助车队提升运输效率、设备利用率、稳定性和运营质量。
岗位职责
建设无人驾驶运营数据分析能力：围绕车辆在线率、任务完成率、Cycle Time、排队时间、空驶率、装载效率、能耗、异常停留、网络质量等建立指标体系和分析模型。
开发数据挖掘与智能诊断能力：利用统计分析、机器学习、时序分析、异常检测等方法识别效率损失、异常模式和潜在根因。
参与 ETA、排队时间、拥堵、设备效率、能耗等预测模型或智能分析模块的开发，并将模型结果服务化、产品化。
探索大模型 / Agent 在运营分析中的应用，例如自然语言问数、自动生成运营日报、异常归因、知识检索、运营 Copilot 和流程自动化。
将分析结果转化为可行动策略，例如任务优先级建议、调度参数建议、异常处置建议、维护提醒或自动化运营规则，并通过安全边界、仿真/回放和灰度机制验证。
参与实时与离线数据链路建设，使用 SQL、Python 以及流式/时序数据技术处理车辆状态、任务、告警、轨迹和生产数据。
与调度算法、矿山生产、SRE、网络及现场运营团队协作，建立“发现问题 - 定位原因 - 提出策略 - 验证效果 - 持续迭代”的数据闭环。
岗位要求
计算机、软件工程、人工智能、数据科学、自动化、数学、运筹学、统计学等相关专业，硕士及以上学历。
扎实的编程基础，熟悉 Python；掌握 SQL，能够独立完成数据清洗、分析、建模和工程实现。
理解常见机器学习 / 数据挖掘方法，具备统计分析、特征工程、模型评估的基本能力。
具备较好的工程意识，愿意把模型或分析逻辑真正做成稳定可运行的后台服务，而不只停留在 Notebook 或实验结果。
对复杂系统有好奇心，能够从数据现象进一步追问业务原因，具备较强的问题拆解和逻辑分析能力。
良好的沟通协作能力，愿意理解矿山生产和无人驾驶真实业务场景。
加分项
具备“AI Native”思维。
有 Kafka / Flink / Spark / ClickHouse / 时序数据库 / 数据仓库等项目经验。
有 LLM、RAG、Agent、AIOps、时序预测、异常检测、因果分析或推荐/优化系统相关项目经验。
有机器人、自动驾驶、工业互联网、物流调度、能源管理或生产运营数据项目经验。
了解运筹优化、排队论、图算法或强化学习，能够把预测与决策优化联系起来。
典型课题 “为什么某班次 Cycle Time 突然上升？”、“哪些道路和装载点正在造成吞吐损失？”、“能否提前预测拥堵并给出调度参数建议？”、“如何让运营日报和异常归因自动生成并闭环到处置流程？”
成长方向
可向智能运营平台、数据/AI平台、AI应用工程、调度与决策智能、数据产品技术负责人等方向发展。优秀校招生将逐步承担从数据模型、AI能力到生产策略闭环的完整模块 Owner。
职位7：自动驾驶后台数字孪生系统开发工程师 地点：无锡
岗位定位
负责无人驾驶矿山后台数字孪生与三维可视化能力的研发，将矿区地形、道路、车辆、挖机/电铲、装载点、卸载点及生产状态实时映射到数字空间，为调度运营、状态监控、场景回放、问题分析、客户展示以及后续仿真能力提供统一的 2D/3D 可视化底座。
岗位职责
参与矿山数字孪生系统架构和核心模块开发，实现矿区地形、道路、作业区、建筑物、车辆和设备的三维场景表达。
接入车辆位置、姿态、速度、任务、载荷、告警、SOC 等实时数据，实现真实矿山与数字场景的低延迟同步。
开发车辆轨迹、道路拓扑、作业区域、装卸点、禁行区、临时道路等 2D/3D 空间可视化和交互能力。
参与大规模场景渲染性能优化，包括 LOD、空间索引、分块加载、实例化渲染、资源管理和大规模动态对象更新。
参与地图与空间数据处理，理解坐标系、投影、地理空间数据、道路网络以及 OpenDRIVE / GeoJSON 等常见数据形式。
建设场景回放和时间轴能力，将历史车辆轨迹、事件和告警还原到三维场景，用于问题定位和事故/运营分析。
与 Map Platform、WebGIS、Backend、Mine Intelligence、Simulation 等团队协作，逐步形成可复用的数字孪生平台，而非一次性项目 Demo。
岗位要求
计算机、软件工程、计算机图形学、数字媒体技术、GIS、测绘、自动化等相关专业，硕士及以上学历。
扎实的编程基础，熟悉 JavaScript / TypeScript、C++、Python、C# 中至少一种语言。
理解计算机图形学基础知识，如坐标变换、相机模型、渲染管线、纹理/网格、空间数据结构等。
对三维引擎或 Web3D 技术有实际项目经验，能够独立完成一个可交互的三维场景或可视化应用。
具备良好的工程意识，关注帧率、内存、加载时延、数据一致性和长期可维护性。
对矿山、机器人、自动驾驶或实时可视化系统有兴趣，愿意深入理解真实物理世界的数据和业务。
加分项
熟悉 Three.js、Cesium、WebGL/WebGPU、Unity、Unreal Engine 中的一种或多种。
有 WebGIS、GIS、点云、3D Tiles、BIM、数字孪生或大规模三维场景项目经验。
了解 OpenDRIVE、Lanelet、GeoJSON、坐标系转换、道路拓扑或路径网络。
接触过 ROS/ROS2、自动驾驶数据、LiDAR 点云、3DGS、场景仿真或机器人可视化。
有前端工程化经验，熟悉 React/Vue、实时 WebSocket 数据、高性能图形渲染或可视化组件开发。
典型课题 “如何在浏览器中稳定渲染数百辆实时车辆？”、“如何把矿区道路和车辆轨迹从二维地图无缝映射到三维场景？”、“如何实现任意历史时刻的车队状态回放？”、“如何让数字孪生底座同时服务运营、调度、仿真和客户展示？”
成长方向
可向数字孪生架构、WebGIS/三维可视化、地图平台、仿真可视化、图形性能工程等方向发展，并逐步承担矿山三维平台或实时可视化基础设施的核心模块 Owner。
职位8：自动驾驶AI架构与前沿技术工程师 地点：无锡/上海
岗位定位
面向无人驾驶与自主矿山的下一代 AI 技术，参与前沿技术调研、架构验证、原型开发与工程落地。重点关注大语言模型、多模态模型、VLM/VLA、WAM、Agent / Multi-Agent、强化学习、决策智能以及 AI 基础设施等方向，判断哪些技术能够真正改善车辆自主能力、矿山运营与研发效率，并形成可验证的系统原型。岗位名称中的“架构”并不要求校招生入职即承担最终架构决策，更重视扎实基础、系统思维、快速学习和把研究成果工程化的能力。
岗位职责
跟踪并系统评估 LLM、VLM/VLA、World (Action) Model、Agent、Multi-Agent、RL 等前沿技术，形成技术判断、Benchmark 和 PoC，而不是只做论文摘要。
围绕无人矿山真实问题设计 AI 原型，例如运营智能 Agent、复杂场景理解、多模态事件分析、调度决策辅助、自动化研发工具或车辆/设备协作智能。
参与 AI 系统架构设计，包括模型服务、数据/特征接口、RAG、Agent 编排、工具调用、评测体系、模型版本和线上反馈闭环。
参与模型训练、微调、蒸馏、量化和推理优化，将研究模型部署到服务器、边缘计算平台或实验环境中验证性能。
建立面向实际任务的评价方法，关注准确率之外的时延、稳定性、可解释性、成本、安全边界和泛化能力。
阅读并复现高质量论文和开源项目，识别“可以产品化的技术”与“只适合研究展示的技术”之间的差异。
与车辆自主算法、Mine Intelligence、Data/AI Infra、Simulation、Backend 等团队协作，推动前沿能力从研究验证进入工程路线。
岗位要求
具备“AI Native”思维。
计算机、人工智能、自动化、机器人、数学、电子信息等相关专业，博士学历；有突出项目经历的硕士也欢迎。
扎实的机器学习 / 深度学习基础，理解 Transformer、Attention、表示学习、训练与推理的基本原理。
熟练使用 Python，熟悉 PyTorch 等深度学习框架，具备从论文或开源代码复现实验的能力。
具备较强的系统思维：不仅关注模型效果，也愿意思考数据、服务、评测、部署、反馈闭环和算力成本。
能够快速阅读英文论文、技术文档和代码，独立拆解新问题并完成原型验证。
对机器人、自动驾驶、Physical AI 或复杂工业系统具有强烈兴趣，愿意面对真实场景中的不完美数据和工程约束。
加分项
有 LLM/VLM、RAG、Agent、Function Calling、Multi-Agent、RL、World Model 或 VLA 相关项目/论文/竞赛经验。
了解分布式训练、模型并行、Ray、vLLM、TensorRT-LLM、ONNX、CUDA 或模型量化/推理优化。
有机器人、自动驾驶、ROS/ROS2、仿真、感知/规划、多模态数据处理经验。
有高质量开源贡献、论文发表、技术博客或能够清晰展示的端到端个人项目。
具备一定的软件工程或后端能力，能够把模型包装成 API/服务并完成可重复部署与评测。
典型课题 “VLM 能否理解矿区复杂运营事件？”、“Agent 能否自动完成从数据查询到异常归因的运营分析？”、“世界模型能否帮助调度或多设备协作决策？”、“如何在真实算力、时延和安全约束下判断一个前沿模型是否值得产品化？”
成长方向
可向 AI 系统架构、Physical AI、智能体平台、世界模型/多模态、决策智能、AI Infra 或高级算法工程方向发展。优秀校招生将逐步从单点 PoC 走向跨模型、数据、评测和部署的系统级技术 Owner。
职位9：自动驾驶仿真开发测试工程师 地点：无锡
岗位职责
1. 负责自动驾驶仿真系统开发、搭建与维护，支撑算法仿真验证工作。
2. 设计并落地自动化、批量化仿真测试方案，搭建测试体系，输出测试分析结果。
3. 负责仿真模型调试与迭代优化，对接业务团队保障仿真精度与稳定性。
4. 输出标准化技术文档，协同推进项目落地。
任职要求
1. 本科及以上学历，控制科学与工程、车辆工程、自动化、电气工程及其自动化、机器人工程、计算机科学与工程等相关专业。
2. 熟悉自动驾驶仿真原理、工具链及场景开发流程。
3. 掌握车辆动力学基础，具备动力学模型调试优化能力。
4. 熟悉车载摄像头、激光雷达、毫米波雷达等传感器原理及仿真建模。
5. 熟练掌握C++开发，熟悉Linux 、ROS/ROS2、Docker、GitHub开发工具栈。
6. 了解并使用过open scenario 进行仿真场景开发与测试
7. 了解服务器算力调度、硬件性能优化等底层计算机相关知识。
8. 具备自动驾驶批量仿真测试、自动化测试平台搭建及落地经验。
9. 具备优秀的逻辑分析、技术文档撰写及跨团队沟通协作能力。
10.有CarSim、Carla、TruckSim、PreScan等开源/闭源自动驾驶仿真软件使用经验优先。
加分项
1. 了解机器学习、AI、VLA视觉语言模型基础概念者优先。
2. 具备仿真平台、算法服务云端部署及云端运维调度经验者优先。
campushire
This position requires working onsite five days a week.
十一月 1, 2026 - 十一月 29, 2026
Caterpillar is an Equal Opportunity Employer. Qualified applicants of any age are encouraged to apply
Not ready to apply? Join our Talent Community.
Scores your resume against this job the way resume scanners do: the job's hard and soft skills, searchability, recruiter tips and formatting.
Create a free account to see your score. Your resume stays in this browser until then, and we never store it.
Already a member? Sign in