中级研究算法工程师

优缺点分析

角色解读

• 可晋升为高级算法工程师，主导复杂法规场景的算法架构设计
• 横向拓展至感知、规划、控制等全栈自动驾驶算法领域
• 未来可转向技术管理岗，带领团队攻关法规认证项目
• 根据C-NCAP等法规拆解自动驾驶各模块需求，明确感知、融合、执行器的功能边界
• 开发目标筛选和功能触发逻辑，确保算法满足法规测试场景
• 基于法规测试用例和道路测试数据，优化算法问题，降低误触发率
• 与测试、系统团队协作，迭代算法以满足法规得分要求
• 扎实的C/C++编程能力，能够高效实现算法逻辑
• 深入理解AEB/MEB/AES等主动安全法规及测试场景
• 熟悉车辆动力学、控制理论或传感器融合基础
• 具备问题分析和调试能力，能基于测试数据快速定位算法缺陷

申请策略

• 了解科大讯飞在智能汽车领域的产品线（如飞鱼OS），面试中展现对业务的理解
• 关注合肥的房价和人才补贴政策，面试时可适当表达长期定居意愿
• 突出AEB/MEB/AES等项目的算法设计经验，具体描述你如何优化触发逻辑或降低误触发
• 列出熟悉的法规标准（C-NCAP、E-NCAP等）及对应测试场景
• 强调C/C++编程能力和代码优化成果，如性能提升或bug修复
• 如果有道路测试数据分析经验，要重点展示
• 提前复习C-NCAP 2024版等最新法规变化，准备相关场景算法思路
• 补充学习ISO 26262功能安全基础，了解ASIL等级对算法的影响

面试指南

• STAR法则：描述项目背景（S）、任务（T）、具体行动（A）和结果（R）
• 问题分析框架：先定位是感知、决策还是执行问题，然后逐步缩小范围
• 算法优化思路：从阈值调整、逻辑简化、多场景泛化等方面回答
• 请描述你参与过的AEB系统开发流程，如何避免误触发？
• C-NCAP中对于AEB的测试场景有哪些？如何调整算法参数通过测试？
• C++中实现一个简单的目标筛选逻辑，考虑性能优化
• 如何处理传感器融合中的时间戳对齐问题？
• 如果法规测试中某项得分偏低，你会如何排查和优化？