资深软件工程师 - 运动规划-北京

优缺点分析

角色解读

• 技术路线：从资深工程师发展为技术专家，主导规划算法核心模块的突破
• 管理路线：可晋升为技术负责人或团队主管，带领团队攻克技术难题
• 行业前景：自动驾驶是高速发展的赛道，积累的经验可向其他机器人领域迁移
• 设计和开发自动驾驶车辆的运动规划系统，包括路径规划、决策控制等模块
• 优化计算几何和数值计算算法，确保系统在高精度、高性能下运行
• 利用机器学习方法提升自动驾驶在复杂场景下的决策能力
• 参与系统架构设计，确保代码的高可靠性和可维护性
• 精通C/C++或Python，熟悉常用数据结构和算法
• 具备良好的沟通协作能力，能跨团队高效推进项目
• 具备问题转化与建模能力，能够抽象复杂现实问题为算法方案
• 加分项：了解数值优化、计算几何或实际驾驶经验

申请策略

• 在面试前深入了解小马智行的技术博客和公开论文，体现对公司的认同
• 准备一个完整的项目案例，展示从问题建模到工程实现的完整链路
• 突出与规划、控制、机器人相关的项目经验，尤其是运动规划或路径规划算法
• 强调C++/Python编程能力，展示高性能代码或工程化成果
• 如有数值优化或计算几何相关论文或开源贡献，务必提及
• 复习并实践运动规划常用算法（如A*、RRT、Lattice Planner等）
• 熟悉至少一种优化库（如Ceres、g2o）或机器学习框架（如PyTorch）
• 了解自动驾驶整体架构（感知、定位、预测、规划、控制）的协同工作

面试指南

• 使用STAR法则描述项目：背景、任务、行动、结果
• 面对开放式问题，先明确问题边界，再分析方案，最后总结优缺点
• 展示系统化思维：从输入、处理、输出到异常处理，覆盖完整链路
• 请介绍一个你优化的运动规划算法，如何解决实时性与最优性的平衡？
• 如果自动驾驶车辆前方突然出现障碍物，规划系统应如何响应？请简述流程
• 如何评估一个规划系统的好坏？请列出关键指标
• 在C++中如何实现一个高性能的路径搜索算法？需要考虑哪些优化点？
• 温习自动驾驶规划算法经典论文（如Apollo、Pony.ai公开资料）