资深软件工程师 - 运动规划-北京

优缺点分析

角色解读

• 技术专家路线：深耕运动规划或相关算法领域，成为公司或行业的技术权威
• 技术管理路线：带领小团队负责模块或子系统的研发，逐步成长为技术负责人或架构师
• 行业影响路线：将积累的技术经验应用于更广泛的自动驾驶场景或参与行业标准、开源社区的建设
• 设计和开发自动驾驶车辆的运动规划系统，这是车辆的“大脑”，负责实时决定如何行驶
• 实现高性能、高可靠性的规划软件架构和核心算法，确保系统在复杂场景下稳定运行
• 研究和优化计算几何、数值计算等底层算法，并探索将机器学习技术应用于驾驶决策以提升车辆能力
• 精通C++或至少一门主流编程语言，并具备扎实的数据结构与算法基础
• 具备优秀的系统架构设计能力和解决复杂、开放性工程问题的建模与创新能力
• （加分项）拥有数值优化、计算几何或机器学习在机器人/自动驾驶领域应用的相关知识或实践经验

申请策略

• 在简历和面试中，着重体现你解决“全行业都没有解决过的有挑战的问题”的思维方式和过往案例
• 准备一些关于自动驾驶运动规划（如路径规划、速度规划、行为规划）的思考，展示你对领域的理解深度
• 重点突出使用C++进行高性能系统开发的项目经验，特别是涉及实时性、并发的项目
• 详细描述解决过的复杂算法或系统设计问题，尤其是与几何、优化或决策相关的
• 如有相关领域的学术论文、开源项目贡献或竞赛成绩，请务必列出
• 复习和深化数值优化、计算几何相关的算法知识，了解常见方法在工程中的应用
• 学习并实践如何将机器学习（如强化学习、模仿学习）应用于序贯决策问题
• 深入阅读小马智行公开的技术博客或论文，了解其技术栈和关注点

面试指南

• 对于系统设计问题，采用“需求分析 -> 模块划分 -> 接口设计 -> 关键挑战与解决方案 -> 性能考量”的框架
• 对于算法问题，采用“问题定义 -> 算法原理 -> 适用场景 -> 工程实现要点（如复杂度、精度、鲁棒性） -> 改进方向”的框架
• 对于开放性问题，结合过往经验，从“技术可行性、工程落地、成本效益、发展趋势”等多个角度进行辩证阐述
• 请描述一个你参与设计的复杂系统或算法，其中的难点和你的解决方案是什么？
• 如何设计一个满足实时性和可靠性要求的运动规划架构？
• 请解释A*、RRT或优化器（如QP）等算法在运动规划中的一种应用场景及其优缺点
• 你如何看待将机器学习应用于自动驾驶的决策规划？它有哪些优势和挑战？
• 如何评估一个运动规划算法的性能？你会使用哪些指标和测试方法？