软件工程师 - 决策与路径规划，端到端后处理

优缺点分析

角色解读

• 技术深耕：从算法工程师成长为规划/决策领域的专家，主导核心模块设计
• 架构师方向：参与系统架构设计，成为自动驾驶系统架构师
• 管理方向：带领团队攻克技术难题，晋升为技术经理或团队负责人
• 设计并优化L4级自动驾驶的决策与路径规划算法，确保车辆在复杂交通环境中安全行驶
• 对端到端模型输出进行后处理，通过规则或算法兜底，保证行为安全可控
• 开发低算力、少传感器的冗余系统，提升系统可靠性
• 构建路测大数据分析平台和仿真系统，加速算法迭代与验证
• 精通C++/Python等编程语言，具备扎实的数据结构与算法基础
• 深入理解自动驾驶规划、控制或决策算法，有相关项目经验
• 具备问题转化与建模能力，能创新性地解决行业难题
• 良好的沟通协作能力，能与团队高效配合

申请策略

• 关注小马智行的技术博客和公开演讲，了解其技术路线和团队文化
• 准备一个与规划或后处理相关的技术方案，展示创新思维
• 突出自动驾驶规划/决策相关项目经验，尤其是L4级或端到端模型后处理经历
• 强调编程能力，特别是C++和Python，以及高性能算法优化案例
• 展示问题转化与建模能力，例如解决复杂交通场景的创新方案
• 如有开源项目或竞赛获奖，务必提及
• 深入学习经典规划算法（如A*、Dijkstra、RRT、Lattice Planner）和现代方法（如基于学习的规划）
• 熟悉端到端自动驾驶模型（如UniAD、Transfuser）及其后处理策略

面试指南

• 对于开放性问题，采用STAR法则（情境、任务、行动、结果）结构化回答
• 对于算法设计题，先明确问题边界和约束，再提出多种方案并比较优劣，最后给出推荐方案
• 对于安全相关题，强调系统思维和冗余设计，体现对可靠性的重视
• 请描述一个你解决过的复杂规划问题，并说明你的思路和最终方案
• 如何设计一个不依赖高精地图的L4级规划系统？
• 端到端模型输出可能有哪些不安全行为？如何通过后处理保证安全？
• 在低算力平台上，如何平衡算法性能与计算资源？
• 请解释路径规划中的A*算法，并讨论其优缺点及改进方向