自动驾驶决策算法实习生-2027届

优缺点分析

角色解读

• 实习转正后晋升为初级算法工程师，参与量产自动驾驶系统开发
• 向决策规划或感知融合方向深入，成为自动驾驶领域的专家
• 积累数据驱动方法经验，未来可转型至AI通用算法岗位
• 负责构建城市自动驾驶场景中的环境模型，将感知结果转化为决策规划可用的结构化数据
• 实现横向变道、纵向跟车、路口通行等核心决策算法模块
• 利用数据驱动方法优化规划控制（PNC）系统性能，解决实际路测难题
• 精通C++编程，能够高效实现复杂算法并集成到现有系统中
• 具备深度学习项目经验，熟悉常用框架（如PyTorch、TensorFlow）
• 理解自动驾驶决策规划基本概念，如状态机、轨迹规划、行为预测等

申请策略

• 在简历中体现对小米汽车业务的了解，可提及对SU7等车型的关注
• 面试前熟悉小米自动驾驶公开技术资料，展现主动性
• 重点突出C++项目经验，尤其是性能优化或算法实现相关
• 列出深度学习方面的项目，如轨迹预测、行为决策等，并说明模型效果
• 如有自动驾驶相关竞赛或论文，务必展示
• 复习C++标准库和数据结构算法，刷LeetCode中等难度题目
• 了解自动驾驶中的行为规划（如A*、RRT）和决策方法（如POMDP）
• 动手实践一个简单的端到端驾驶模型或轨迹规划项目

面试指南

• 结构化回答：先明确问题，分解关键因素，再提出解决方案，最后总结
• 技术细节与逻辑并重：在解释算法时，既要讲清楚思路，也要涉及具体实现（如状态机、代价函数）
• 请解释在城市环境中变道决策需要考虑哪些因素？如何建模？
• 你有过哪些C++项目经验？如何保证代码性能和稳定性？
• 描述一个你使用深度学习解决实际问题的项目，并说明数据、模型和结果
• 如果车辆在路口遇到复杂场景（如无保护左转），你如何设计决策算法？
• 如何看待数据驱动方法在规划控制中的应用？有哪些挑战？
• 温习C++面向对象编程和STL，准备手撕代码