矿区无人驾驶调度派遣 Intern（多编组矿卡 / AI 智能调度方向） 岗位职责 调度派遣核心功能开发（多编组）参与矿区无人矿卡调度系统的核心模块研发，面向多编组（车队/编组/车组）无人矿卡作业，完成包括任务分解、车辆分配、路径/队列组织、装卸点协同、站点排队、交会避让、限速限行等调度派遣能力的实现与优化。 智能化派遣策略与优化算法开发将新进 AI 算法融入调度派遣：在约束条件（道路等级、坡度、会车规则、站点容量、设备节拍、维护窗口、安全距离、能源/电量等）下，构建智能任务分配与动态重调度策略，实现更高的产能、更低的等待、更少的空驶和更高的安全裕度。 强化学习 / 模型预测 / 图优化在调度中的应用在仿真或离线数据基础上，探索并实现以下智能决策能力： 基于强化学习（RL的动态派遣策略学习（高扰动场景：拥堵、设备故障、临时封路、装载设备节拍波动等） 基于模型预测控制（MPC）/滚动时域优化的多车协同调度 基于图优化/网络流/匹配的车-任务-站点联合优化 前沿技术调研与快速原型跟进智能调度/运筹优化/多智能体学习最新趋势，将可落地的策略（例如GNN、Transformer、Diffusion/生成式规划、LLM+工具调用等）用于派遣策略建模、参数自适应、异常诊断与调度解释性输出。 任职要求 学历背景：计算机、自动化、工业工程、运筹优化、交通工程、机器人等相关专业，本科/硕士在读（可长期实习优先），具备扎实的算法与工程能力。 调度/优化基础扎实，图算法：最短路（Dijkstra/A*）、最大流/最小费用流、二分图匹配、车辆路径问题相关，在线调度：滚动优化、动态插单、再优化）。 AI 模型与算法能力：强化学习，图神经网络（GNN），序列建模/Transformer，预测模型 + 决策融合，不确定性建模。 编程与工程能力：熟练使用 Python（PyTorch/TensorFlow 任一）进行模型训练与评估， 具备 C++/Go/Java 任一工程开发能力（至少能读写核心服务代码并做性能优化），熟悉 Linux、Git、Docker。