自动驾驶决策算法实习生

优缺点分析

角色解读

• 从实习生转为正式算法工程师，参与核心算法研发
• 向高级算法专家发展，主导复杂场景的决策规划方案
• 可横向转型至感知、控制等相邻方向，或晋升为技术团队负责人
• 负责城市自动驾驶场景的环境建模，将感知结果转化为决策规划可用的模型
• 实现横向决策，如变道推荐、车道内偏移等，提升行车灵活性
• 实现纵向决策，如超车、让行、跟车舒适性优化，保证行驶安全与平顺
• 处理路口复杂场景，包括指引线生成、选道、礼让行人等，确保通过效率与合规
• 熟练掌握C++编程，能够高效实现算法模块
• 具备深度学习基础，能够应用数据驱动方法解决规划难题
• 熟悉自动驾驶决策规划基本概念，如路径规划、行为预测等
• 有算法竞赛或相关项目经验者优先，尤其是城市道路场景

申请策略

• 申请前了解小米自动驾驶业务布局（如小米汽车技术栈），在面试中展示对公司的热情
• 准备1-2个与技术栈相关的项目案例，用STAR法则清晰描述
• 突出C++项目经验，尤其是与算法实现相关的课程或竞赛项目
• 强调深度学习相关背景，包括模型训练、部署或论文复现经历
• 如有自动驾驶或机器人竞赛经历（如Kaggle、RoboMaster），务必列出
• 提前巩固C++基础，尤其指针、STL、多线程等常用特性
• 复习深度学习核心概念，如CNN、RNN、强化学习，并尝试在仿真环境中实践规划算法

面试指南

• 对于算法实现题：先明确输入输出，再设计数据结构，最后逐步编码并考虑优化
• 对于开放性问题：先定义问题边界，再列举可行方案，最后权衡利弊给出推荐
• 对于项目案例：遵循STAR法则（情境、任务、行动、结果），突出个人贡献和难点突破
• 请用C++实现一个简单的A*路径规划算法
• 解释深度学习在自动驾驶决策中的应用，举例说明
• 如何处理城市路口的人车混行场景？你的算法思路是什么？
• 描述一个你过去解决的复杂编程问题，如何分析并实现？
• 你对小米汽车的自动驾驶技术有什么了解？