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算法专家发展，深入负责更复杂的自动驾驶决策规划模块
• 横向转型至感知、融合、预测等其他自动驾驶算法方向，拓宽技术栈
• 积累法规与安全领域经验，可成为功能安全专家或团队技术负责人
• 依据法规需求拆解自动驾驶各模块（感知、融合、执行器）的功能要求，并将其转化为可实现的算法模块
• 开发目标筛选逻辑和功能触发逻辑，确保在法规测试场景下正确响应
• 根据法规测试用例和道路测试结果，反复优化算法，降低误触发率并提升得分
• 扎实的C/C++编程能力，能够高效实现算法模块
• 熟悉国内外自动驾驶法规（C-NCAP、E-NCAP、I-VISTA等），了解测试场景和评分标准
• 具备AEB/MEB/AES等主动安全算法的设计与控制策略开发经验
• 车辆工程、控制、自动化等专业背景，理解车辆动力学和传感器融合

申请策略

• 研究科大讯飞在智慧汽车领域的布局（如飞鱼车载系统），在面试中展示对其产品的理解
• 准备一个完整的法规测试场景分析案例，展示问题拆解和解决思路
• 突出与AEB/MEB/AES相关的项目经验，详细描述算法设计、优化过程和结果
• 强调C/C++编程能力，可附上代码仓库链接或性能指标
• 列出对C-NCAP、E-NCAP等法规的理解和实际应用案例
• 如有硕士论文或专利涉及自动驾驶控制，务必重点展示
• 深入学习C-NCAP 2024版等最新法规，了解自动驾驶准入要求
• 掌握Simulink/CarSim等仿真工具，便于算法验证

面试指南

• STAR法则：描述场景、任务、行动、结果，重点突出量化指标（如误触发率降低X%）
• 结构化思维：先拆解法规要求，再设计逻辑，最后用测试验证迭代
• 技术细节+工程思维：说明算法选型理由、复杂度分析及边界情况处理
• 请举例说明如何根据C-NCAP场景设计AEB触发逻辑？
• 在优化误触发率时，你通常采用哪些方法？
• 描述一个你处理过的AEB算法中的难点，如何解决的？
• 如何评估一个法规场景的难易程度？优先级如何？
• C++中如何实现一个高实时性的目标筛选模块？