自动驾驶决策算法实习生-2027届

优缺点分析

角色解读

• 实习期间可深入接触量产级自动驾驶技术，积累从研发到落地的完整经验
• 表现优秀者有机会转正，成为小米自动驾驶团队的核心成员
• 未来可向端到端算法专家或技术管理方向发展，参与更前沿的技术研究
• 参与量产端到端自动驾驶算法的研发，包括模型训练、优化、评测体系搭建和数据处理
• 跟进端到端规划算法的最新进展，探索VLA、强化学习等新技术在量产中的应用
• 参与实车部署和整个发版流程，确保算法在实际车辆中的稳定运行
• 熟悉主流的端到端智驾模型架构，对AR、Diffusion或强化学习有深入理解
• 熟练掌握Python编程，具备良好的代码实现和调试能力
• 有自动驾驶相关经验或顶级会议论文发表者优先，体现研究能力

申请策略

• 关注小米自动驾驶团队的技术博客或公开分享，了解团队技术方向
• 在申请中表达对量产落地的兴趣，展示工程实践能力
• 突出端到端模型、强化学习或Diffusion相关的项目经验，展示技术深度
• 强调Python编程能力和实际代码实现，可附上GitHub链接
• 如有相关论文发表，务必列出，体现研究能力
• 提前熟悉主流端到端智驾架构（如UniAD、VAD），了解VLA和强化学习的基本原理
• 练习使用PyTorch等深度学习框架，提升模型训练和调优能力

面试指南

• 用STAR法则（情境、任务、行动、结果）清晰描述项目经历，突出个人贡献
• 结合具体技术细节，展示对算法原理的深入理解
• 体现对量产落地的思考，如考虑计算资源、实时性等约束
• 请介绍你在端到端自动驾驶或相关领域的一个项目，具体做了什么？
• 你对VLA或强化学习在自动驾驶中的应用有何理解？
• 如何设计一个评测体系来评估端到端模型的性能？
• 在数据处理和筛选方面，你有什么经验或想法？
• 复习端到端自动驾驶的经典论文，如UniAD、VAD，了解技术演进