中级研究算法工程师

优缺点分析

角色解读

• 可向高级算法工程师或技术专家方向发展，深耕自动驾驶安全法规领域
• 有机会转向系统架构师，主导整车级法规算法方案设计
• 横向扩展至其他自动驾驶功能（如ACC、LKA），拓宽技能树
• 根据法规需求（如C-NCAP）拆解自动驾驶各模块（感知、融合、执行器）的具体开发任务
• 开发目标筛选逻辑和功能触发逻辑，确保车辆在测试场景中正确响应
• 基于法规测试用例和道路测试结果，优化算法问题，提升得分并降低误触发率
• 扎实的C/C++编程能力，用于自动驾驶算法模块的开发与调试
• 深入了解AEB/MEB/AES等主动安全法规和控制策略，能针对性地优化算法
• 车辆工程或自动化控制背景，理解传感器融合与执行器逻辑

申请策略

• 提前了解科大讯飞在智能汽车领域的业务布局，准备相关行业见解
• 面试中强调对法规细节的掌握和问题解决思路
• 突出AEB/MEB/AES等具体项目的算法开发经验，量化性能提升效果
• 强调对C-NCAP等法规的熟悉程度，可附上相关测试案例
• 展示C/C++编程能力和代码质量，如参与的开源项目或贡献
• 补强控制理论和车辆动力学知识，加深对法规场景的理解
• 学习仿真工具（如CARLA、PreScan）以便离线验证算法

面试指南

• 对于算法类问题，使用STAR法则：背景、任务、行动、结果
• 对于法规对比题，先列出共同点，再分点说明差异，结合实际测试经验
• 请描述一个你参与过的AEB算法项目，你如何优化其性能？
• C-NCAP和E-NCAP中对于AEB的测试场景有哪些主要区别？
• 如何平衡算法的得分要求和误触发率？
• 给出一个场景：前车突然切入，AEB应如何响应？
• 请解释C++中的虚函数机制，并举例在算法中的应用
• 复习C-NCAP 2023版和E-NCAP最新规程中的AEB测试场景