路径规划工程师

优缺点分析

角色解读

• 沿技术纵深发展，成长为路径规划、决策控制方向的资深算法专家
• 借助无人驾驶项目积累工程机械场景的量产落地经验，向系统架构或技术负责人方向发展
• 可横向拓展至决策规划全链路、感知融合或整车智能控制领域
• 面向搅拌车、矿卡、农机等工程机械，设计并开发路径规划、轨迹生成与局部避障算法
• 负责速度规划算法的设计与调优，让车辆在复杂工况下平稳、安全地行驶
• 参与无人驾驶项目，把规划算法从仿真推进到实车落地并持续优化
• 与控制、决策工程师及测试人员协同，完成算法仿真、实车数据分析与算法验证
• 扎实的轨迹规划功底，熟悉基于采样的规划算法（如RRT、Lattice）与基于图搜索的规划算法（如A*、Dijkstra），并能说清各自优劣
• 具备自动控制、决策系统与最优化理论的完整知识体系
• 熟练使用 C/C++/Python 中至少一种语言，算法与数据结构基础扎实，能在 Linux 环境下开发调试
• 具备把算法工程化落地、处理实车数据的能力

申请策略

• 提前了解中联重科在搅拌车、矿卡、农机无人化方面的产品与项目，面试时能结合具体场景谈方案
• 准备一两个能讲透的规划算法案例，从问题定义、算法选型到落地效果完整叙述
• 突出轨迹或路径规划项目，写明所用算法（采样类、图搜索类）与具体指标（成功率、耗时、轨迹平滑度）
• 强调 C++ 工程能力与 Linux 下的开发调试经验，如有 ROS、Apollo 等框架经验务必体现
• 展示从仿真到实车的落地经历，说明你如何处理实车数据与异常工况
• 列出自动控制、最优化理论相关课程、论文或竞赛成果，佐证知识体系完整
• 系统梳理 Lattice、RRT*、A*、Hybrid A* 等规划算法，并能说清各自适用场景与取舍
• 补充车辆运动学、动力学约束以及速度规划（如 ST 图、QP 优化）相关知识

面试指南

• 项目类问题用「场景—约束—算法选型—指标验证」四步讲清，突出取舍理由
• 对比类问题从完备性、最优性、计算效率、实现难度四个维度结构化作答
• 工程问题按「现象—数据—假设—验证—改进」的逻辑展开，体现排查思路
• 请介绍一个你主导的路径规划项目，为什么选这个算法，最终效果如何？
• 基于采样和基于图搜索的规划算法各有什么优缺点？分别在什么场景下使用？
• 在狭窄通道、动态障碍物场景下如何做局部避障？如何保证轨迹平滑且可行？
• 速度规划你会怎么做？如何处理重载车辆的运动学与动力学约束？
• 仿真效果好但实车表现差，你会如何定位和解决？