智能车控软件工程师-汽车

优缺点分析

角色解读

• 从智能底盘控制工程师起步，逐步深入AI for Control领域，成为车辆控制算法专家
• 可横向拓展至自动驾驶、底盘域控制器等核心方向，技术影响力持续提升
• 在小米这样的大型平台，有机会从技术骨干成长为团队负责人，或转向技术预研/架构方向
• 开发智能底盘（线控悬架、转向、制动）的上层控制策略，将传统车辆动力学与AI算法结合，实现更智能的车辆运动控制
• 使用MATLAB/Simulink进行控制算法建模和机器学习原型验证，并负责算法向车端C代码的集成与部署
• 搭建CarSim/CarMaker等仿真环境，执行MIL/SIL/HIL测试和实车在环标定，迭代优化控制参数
• 研究强化学习、端到端控制等前沿技术，探索下一代智能底盘解决方案
• 扎实的车辆动力学和自动控制理论基础，理解悬架、转向、制动系统工作原理
• 熟练掌握Python或C/C++，具备良好的代码规范，能从事算法开发和嵌入式部署
• 熟悉MATLAB/Simulink建模，了解至少一种车辆动力学仿真工具（如CarSim/ADAMS）
• 具备机器学习/深度学习项目经验，熟悉PyTorch/TensorFlow，了解模型量化与TensorRT部署者优先

申请策略

• 提前了解小米汽车的技术路线和智能底盘相关产品，在面试中展现对业务的热情
• 准备一个展示你综合能力的项目故事，兼顾理论推导和实际效果
• 突出车辆控制、动力学或智能车竞赛相关项目，展示你如何用算法解决实际问题
• 详述机器学习项目经历，尤其是涉及传感器数据处理、模型训练与部署的案例
• 强调MATLAB/Simulink使用经验，如有仿真或实车测试数据更佳
• 补充完整车辆动力学知识，如悬架模型、轮胎模型，可阅读相关教材或论文
• 练习将Python算法转换为C/C++部署，了解TensorRT/ONNX等推理优化工具
• 动手搭建一个简单的线控底盘仿真环境（如Simulink+CarSim），熟悉MIL/SIL流程

面试指南

• 对技术问题，先给出核心理论框架（如模型、公式），再结合实际经验，最后总结优缺点
• 对项目类问题，采用STAR原则：背景、任务、行动、结果，突出你的贡献和量化成果
• 对开放式问题，表达你的思考逻辑，展示跨领域分析能力，并诚实地承认不确定处
• 请解释一下线控底盘中的悬架控制策略，并说明如何设计一个状态估计器？
• 你如何将训练好的深度学习模型部署到车规级ECU上？需要考虑哪些约束？
• 在CarSim中搭建过哪些场景？如何验证控制算法的鲁棒性？
• 谈谈你对强化学习在车辆控制中应用的理解，有哪些挑战？
• 介绍一个你最有代表性的项目，你扮演什么角色？结果如何？