•在《智能驾驶场景验证》课程中，设计感知算法边界测试方案，模拟暴雨、强光等极端环境下的系统鲁棒性验证
•创建自动驾驶测试开源社区，开发基于pytest的CI/CD集成插件，提升代码质量自动化监控水平
•参与全国软件测试挑战赛，团队项目获省级一等奖，聚焦自动驾驶决策算法的回归测试流程优化
自动驾驶算法测试工程师感知模块校验动态场景验证
北京
•针对城市场景执行感知算法验证，重点覆盖动态障碍物干扰下的目标识别与跟踪准确性。
•基于Carla仿真平台构建多样化测试矩阵，模拟暴雨、浓雾及黄昏低光照条件，覆盖高密度交通与行人交互场景。
•运用ROS2框架搭建多传感器虚拟测试环境，对决策算法进行高并发压力测试与鲁棒性评估。
•与研发团队实时协作，追踪缺陷修复进展，参与算法迭代review会议并推动问题解决。
•生成可视化测试报告，量化分析误检率与漏检率，驱动感知模块性能提升。
高级自动驾驶算法测试工程师测试流程优化集成验证
北京
•设计并落地敏捷测试流程，缩短端到端测试周期达30%。
•指导5人测试小组，高效交付无人配送车项目验收测试。
•主导感知-规划-控制模块联调测试，验证多传感器融合数据的一致性。
•开发基于Python的自动化测试套件，实现回归测试的CI/CD集成。
•协同产品与工程团队，推动测试需求与功能开发的无缝衔接。
•制定覆盖极端天气（暴雨、浓雾）和特殊光照（黄昏、隧道出入口）的测试方案，模拟高密度交通与行人交互场景。
•整合多模态传感器（激光雷达、毫米波雷达、高清摄像头），在Carla仿真平台构建动态测试环境。
•通过数据挖掘识别感知失效模式，提出算法调优建议，助力模型mAP提升15%。
•设计测试用例覆盖跟车、紧急避障、多车交互等行为，在真实城市道路与仿真平台并行测试。
•识别出拥堵路段决策延迟问题，推动算法团队引入强化学习优化策略。
测试开发专长:
运用Python开发ROS2定制化测试框架，集成Gazebo仿真环境，实现自动驾驶感知模块的端到端自动化验证
熟练应用Robot Framework与allure生成可视化测试报告，优化CI/CD中测试用例执行效率与缺陷追踪
掌握C++单元测试技术，结合Google Test深度分析决策算法内存泄漏问题，辅助性能瓶颈定位
