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，专注于更复杂的决策规划或控制算法
• 横向发展至自动驾驶系统架构师，负责整体技术方案设计
• 在科大讯飞平台，有机会参与更多AI与汽车融合的前沿项目，提升行业影响力
• 将法规需求拆解为自动驾驶各模块（感知、融合、执行器）的具体功能要求
• 开发目标筛选逻辑和功能触发逻辑，确保车辆在不同场景下正确响应
• 基于法规测试和道路测试结果，迭代优化算法，提升测试得分并降低误触发率
• 精通C/C++编程，能够高效实现算法逻辑和模块开发
• 深入理解C-NCAP、E-NCAP、I-VISTA等法规，能将其转化为技术需求
• 具备AEB/MEB/AES等自动驾驶辅助功能的算法设计和控制策略开发经验

申请策略

• 了解科大讯飞在智能汽车领域的业务布局，特别是与主车厂合作的项目，可在面试中展现匹配度
• 准备一个完整的AEB/MEB算法开发案例，从需求到测试，体现系统思维
• 突出AEB/MEB/AES相关项目经验，包括算法设计、控制策略开发和测试优化成果
• 强调对C-NCAP等法规的理解，以及如何将法规要求转化为技术实现
• 展示C/C++编程能力，提供代码样本或开源项目链接
• 复习C-NCAP、E-NCAP最新版本，关注法规更新，准备相关知识点
• 练习AEB算法的仿真测试，熟悉MATLAB/Simulink或C++仿真工具

面试指南

• 对于算法逻辑问题，采用“需求分析→方案设计→验证优化”的框架，结合实际经验
• 对于法规问题，先明确法规要求，再解释技术实现，最后强调测试验证
• 对于编程问题，突出具体优化技巧（如内存管理、算法复杂度）和效果量化
• 请描述AEB系统的触发逻辑，如何平衡制动时机和误触发？
• C-NCAP中AEB测试场景有哪些？你如何设计算法满足不同场景的得分要求？
• 你在项目中如何优化C/C++代码性能？举例说明
• 如何处理传感器融合中的时间同步和不确定性？
• 复习C-NCAP、E-NCAP的AEB测试规程，记忆关键场景参数