自动驾驶-规控算法工程师

优缺点分析

角色解读

• 技术专家路线：深耕规控算法，成为该领域的资深专家或架构师，解决行业最前沿的技术难题
• 技术管理路线：随着项目经验积累，带领小团队负责更大模块或子系统的算法研发与落地
• 行业影响力路线：通过技术输出、论文发表或开源贡献，成为自动驾驶领域有影响力的技术专家
• 负责自动驾驶车辆在城市复杂道路环境下的路径规划算法设计与开发，旨在让车辆能在无高精地图区域自主规划可行路径
• 研究并实现将感知结果、高精/导航地图、历史经验等多源信息融合的规划策略，以应对长尾场景
• 将算法进行工程化实现、优化和测试，确保算法在实车平台上的实时性、稳定性和安全性
• 与感知、预测、控制等上下游模块紧密协作，共同完成自动驾驶系统的端到端性能优化
• 扎实的计算机编程能力，特别是C/C++，以及对算法和数据结构的深刻理解
• 熟悉路径规划（如A*、RRT、优化方法）和控制算法（如PID、MPC）的原理与实现
• 掌握深度学习模型（如CNN, Transformer）的基本原理，能将其应用于相关子问题
• 具备良好的问题分析与定位能力，能高效解决算法在开发和实测中遇到的各种挑战

申请策略

• 在简历和面试中，不仅要说明算法‘是什么’，更要清晰阐述你‘为什么’选择这个方案以及‘如何’权衡其优缺点
• 表达对该岗位技术挑战（如‘无图’）的理解和思考，展示你对行业和技术趋势的关注
• 重点突出C/C++项目经历，以及在路径规划、SLAM或机器人导航方面的算法实践经验
• 详细描述一个你解决过的复杂技术问题的完整过程，体现分析问题和解决问题的能力
• 若有相关的学术论文、开源项目或竞赛成绩，是极好的加分项，务必展示
• 复习并深化经典路径规划算法（如A*, D*, lattice planner）和状态估计（滤波、优化）知识
• 了解业界主流的自动驾驶系统架构（如Apollo、Autoware）以及规控模块的实现思路
• 如果对深度学习在规划中的应用感兴趣，可以关注并学习相关论文和开源实现

面试指南

• 采用STAR法则（情境-任务-行动-结果）结构化地描述项目经验，突出个人贡献和成果
• 对于系统设计类问题，先梳理核心目标与约束（如安全、效率、舒适），再分解模块，从感知输入到最终控制输出逐步阐述，并说明关键算法选型和考量
• 对于技术原理类问题，先给出清晰的核心思想定义，再分点说明步骤或组成部分，最后对比其优缺点或应用场景
• 请描述一个你过去做过的路径规划或运动规划算法项目，遇到了什么挑战？你是如何解决的？
• 如何设计一个在城市复杂路口（无高精地图）进行无保护左转的规划模块？请阐述主要步骤和考虑因素
• 请解释一下A*算法和RRT算法在路径规划中的区别、优缺点及适用场景
• 对于SLAM中的回环检测问题，你了解哪些方法？它们的原理是什么？
• 你如何看待‘无图’自动驾驶技术路线？它相比依赖高精地图的方案有哪些潜在优劣？