决策规划算法实习生-2027届

优缺点分析

角色解读

• 实习表现优秀可直接转正为正式员工，进入小米自动驾驶核心团队
• 深度参与前沿技术研发，积累自动驾驶行业经验，未来可向算法专家或技术管理方向发展
• 接触业界领先的自动驾驶平台和工具链，为后续职业发展打下坚实基础
• 参与无人驾驶决策规划算法的研发，包括高性能数值优化和全局优化算法的设计与实现
• 负责基于全局优化的Planner及Cost设计优化，提升车辆路径规划的效率和安全性
• 进行多智能体交互博弈建模与意图推断，分析交互安全性，优化决策算法
• 精通C++编程，能够高效实现复杂算法，具备优秀的代码能力和调试技巧
• 扎实的数理基础，熟悉优化理论、概率论和统计学，能进行数学建模
• 了解机器人学或自动驾驶相关算法，如数值优化、MPC、MDP/POMDP等

申请策略

• 关注小米自动驾驶部门的业务方向和技术博客，在面试中展现对行业的理解
• 准备一个自己最相关的项目深度讲解，从问题建模到算法实现完整阐述
• 突出与自动驾驶或机器人相关的项目经验，尤其是优化算法、路径规划等方面
• 强调C++编程能力和算法竞赛获奖经历，如ACM-ICPC、TopCoder等
• 展示数理基础，如数学建模或相关课程成绩，以及发表的论文或专利
• 提前复习数值优化、MPC、MDP等核心理论知识，并尝试用C++实现小demo
• 熟悉自动驾驶开源框架如Apollo、Autoware，了解其决策规划模块
• 练习LeetCode算法题，提升编程速度和代码质量

面试指南

• 对于理论问题，先给出定义和核心思想，再举例说明应用场景，最后比较不同方法的优劣
• 对于算法实现题，先讲思路和伪代码，再讨论复杂度优化和边界情况处理
• 对于项目经验题，使用STAR法则（情境、任务、行动、结果）结构化描述
• 请解释一下数值优化中的梯度下降法和牛顿法，它们的优缺点是什么？
• 如何用C++实现一个A*路径规划算法？考虑哪些细节？
• 请描述多智能体交互博弈的一个经典模型（如纳什均衡）在自动驾驶中的应用
• 你过去做过的项目中，遇到过哪些优化难题？如何建模和解决？
• 对MDP和POMDP的理解是什么？它们分别适用于什么场景？