Perception

优缺点分析

角色解读

• 从感知算法工程师成长为视觉感知算法专家或技术架构师
• 未来可向自动驾驶全栈感知技术Leader或技术管理方向发展
• 负责自动驾驶视觉感知算法（如物体检测、图像分割、视频分析）的研发与迭代
• 推动感知算法在自动驾驶实际量产产品中的工程落地、性能优化与实际问题解决
• 熟练掌握 C/C++ 和 Python，具备扎实的数据结构与算法基础
• 深入理解机器学习与深度学习理论，在目标检测、图像分割等领域有丰富的实践或研究经验
• 熟悉主流深度学习训练框架（如 PyTorch、TensorFlow），具备较强的算法设计与工程实现能力

申请策略

• 了解初速度在量产自动驾驶和 Robotaxi 双线并行的业务模式，面试时可结合其实际落地场景准备技术方案
• 突出在目标检测、图像分割等 CV 领域的顶会论文（如 CVPR、ICCV）或核心研究成果
• 强调算法在实际产品中的落地经验，量化性能优化成果（如 mAP 提升、推理速度优化等）
• 深入学习 Transformer 在视觉领域的前沿应用（如 BEV 感知、Occupancy Network）
• 提升 C++ 工程化部署、模型压缩与加速能力，以应对车端算力受限场景

面试指南

• 使用 STAR 法则描述项目经历，针对难点突出“问题分析-方案设计-实验验证-落地收益”的闭环
• 技术趋势题需结合行业最新论文和公司实际业务场景（如量产乘用车 vs Robotaxi 的不同需求）作答
• 请详细介绍你做过最复杂的视觉感知算法项目，遇到了什么难点及如何解决？
• 在目标检测或图像分割任务中，如何处理长尾分布或恶劣天气下的数据？
• 模型在车端部署时，如何进行算力受限下的精度与速度权衡？
• 谈谈你对当前自动驾驶 BEV 感知或端到端大模型趋势的看法
• 复习经典的 CV 算法及最新的 BEV/Transformer 感知方案，准备 1-2 个自己主导的算法落地优化案例
• 提前了解初速度的核心产品和技术路线，思考自己的技术背景如何与公司的实际痛点结合