运动控制集成开发工程师-汽车

优缺点分析

角色解读

• 可向智能底盘控制算法专家发展，深入线控底盘核心算法
• 可转向自动驾驶系统架构方向，融合感知决策控制
• 有机会参与前沿AI for Control研究，成为行业稀缺的复合型人才
• 负责智能底盘控制策略开发，融合AI与车辆动力学，设计线控悬架、转向、制动的上层算法
• 使用MATLAB/Simulink和Python进行建模与机器学习原型验证，并将模型量化为车端C代码
• 处理多源传感器数据，构建数据闭环，并在仿真环境做MIL/SIL/HIL测试与标定
• 跟进AI for Control前沿，探索强化学习、端到端控制在底盘的应用
• 扎实的车辆动力学或自动控制理论基础，了解底盘系统原理
• 熟练Python或C/C++，具备良好代码规范
• 熟悉MATLAB/Simulink建模，了解CarSim/ADAMS等仿真工具
• 加分：机器学习/深度学习经验，PyTorch/TensorFlow，模型部署，ROS/Carla等

申请策略

• 关注小米汽车技术博客/发布会，了解智能底盘产品方向
• 在简历中体现对自动驾驶/智能汽车领域的热情和相关实践
• 突出车辆动力学/控制相关项目，特别是底盘或运动控制经验
• 展示Python/C++编程能力，附上代码仓库或算法实现
• 强调MATLAB/Simulink建模和仿真经验，如有CarSim/ADAMS使用经历更佳
• 如有机器学习/深度学习项目或竞赛经历，务必体现
• 快速学习PyTorch和模型量化部署，了解TensorRT
• 熟悉ROS/Carla等仿真平台，动手搭建简单场景

面试指南

• 对于技术问题，遵循'概念-应用-经验'结构：先讲清原理，再联系实际场景，最后结合个人项目
• 对于开放问题，用STAR法则：说情境、任务、行动、结果
• 对于不熟悉的内容，坦诚并表达学习思路
• 解释车辆动力学中的侧倾中心或轮胎滑移角的作用，如何建模？
• 如何将一个训练好的神经网络部署到车端ECU？考虑哪些约束？
• 描述一次你使用Simulink进行控制仿真的经历，遇到哪些问题？
• 强化学习在底盘控制中可能面临哪些挑战？如何解决？
• 你如何理解'数据采集—训练—部署—迭代'闭环？