PNC工程师（泊车方向）

优缺点分析

角色解读

• 技术纵深：从泊车场景扩展到整个L4规划模块，成为规划算法专家，主导关键模块架构
• 管理方向：带领小团队负责具体算法方向，逐步向技术管理岗位发展
• 横向发展：转换到感知、预测、控制等相关领域，或进入自动驾驶系统集成与测试部门
• 设计并实现L4自动驾驶泊车场景的行为规划算法，包括路径规划、速度规划、决策逻辑等，确保车辆安全、高效地完成泊入泊出
• 针对路测中发现的复杂、新增场景（如狭窄通道、不规则车位）进行算法分析与优化，持续提升系统鲁棒性
• 与感知、控制、系统等团队协作，将算法集成到整车系统中，并推动工程落地上线
• 扎实的计算机或算法基础，精通C++/Python，具备高质量代码实现和系统架构设计能力
• 深入理解自动驾驶或机器人行为规划常用算法（如A*、RRT、MPC、Hybrid A*等），有泊车相关经验者优先
• 优秀的沟通协作能力，能跨团队推动技术方案落地，并具备技术文档或专利撰写能力

申请策略

• 在简历或作品集中提供技术博客、论文或专利链接，展示技术深度
• 了解滴滴自动驾驶泊车产品的特点，面试时可提出自己的改进思路
• 突出相关项目经验尤其是泊车或行为规划算法相关，并量化成果（如算法性能提升、落地场景数量）
• 展示代码质量，如主导过大型C++项目、参与过开源项目、有高质量代码审查经验
• 强调与跨团队协作的经历，以及解决路测问题的具体案例
• 复习常见规划算法（A*, RRT, MPC, Lattice Planner）和泊车专用算法，准备手撕代码
• 学习自动驾驶仿真工具（如CARLA、LGSVL）和真实路测数据处理方法

面试指南

• 用STAR方法（情境-任务-行动-结果）组织项目经历，突出算法创新与工程落地
• 对于算法平衡类问题，提供具体权衡策略，如损失函数设计、参数调优、分层规划等
• 对于协作冲突问题，强调数据驱动和共识建立，以及优先级管理
• 请描述一个你设计的规划算法如何应对狭窄车位场景
• 如何平衡路径的最优性和实时性？请举例说明
• 如何处理路测中出现的规划器异常行为？给出具体调试方法
• 在跨团队协作中，遇到需求冲突时如何推动解决？
• 复习自动驾驶规划经典论文和滴滴相关技术分享，准备1-2个自己最擅长的算法细节