软件工程师 - 运动规划- 广州/北京/上海

优缺点分析

角色解读

• 技术专家路径：深耕运动规划算法或系统架构，成为该领域的资深专家或首席工程师
• 技术管理路径：从负责单个模块成长为团队技术负责人（Tech Lead），带领小团队攻坚
• 前沿探索路径：持续跟踪行业前沿，在仿真、大规模数据、端到端学习等方向探索突破
• 设计并开发自动驾驶车辆的路径规划系统，使其能安全、高效地应对复杂道路场景
• 通过计算几何、数值优化或机器学习算法，解决车辆决策与控制中的核心问题
• 参与构建高性能仿真平台，利用海量路测数据进行测试和迭代，提升算法可靠性
• 开发内部工具链和数据处理系统，提升整个团队的算法研发与验证效率
• 精通C++或Python等至少一种语言，具备扎实的数据结构与算法功底，能实现高性能系统
• 拥有强大的问题抽象与建模能力，能将复杂的现实驾驶问题转化为可计算的工程或算法问题
• 理解计算机科学基础，如计算几何、数值优化、机器学习中的一种或多种
• 具备优秀的跨团队沟通协作能力，能与感知、预测、控制等模块高效联动

申请策略

• 研究小马智行在运动规划方面的公开技术文章、专利或开源项目，在面试中展现你对该公司技术路线的了解
• 准备一个与“将现实世界问题转化为算法模型”相关的完整项目故事，这正是该岗位的核心能力要求
• 突出使用C++/Python开发的与性能、算法或系统架构相关的项目，尤其是涉及实时系统、仿真或数据处理的
• 清晰展示在计算机图形学、计算几何、数值优化或机器学习（特别是强化学习、序列决策）方面的课程、项目或研究成果
• 强调在团队项目中解决复杂问题的具体案例，以及跨团队沟通协作的经验
• 如有驾驶经验或对交通规则的理解，可在“其他”或项目描述中提及，这是加分项
• 系统复习和加深对C++现代特性、性能优化、多线程编程的理解
• 针对运动规划方向，学习规划算法（如A*, Lattice, RRT）、决策树、以及强化学习在其中的应用

面试指南

• 对于技术设计问题，采用“问题定义 -> 模型抽象 -> 算法选择 -> 工程实现 -> 性能优化”的框架来回答
• 对于机器学习与安全问题，从“数据驱动、规则兜底、仿真验证、持续迭代”的角度组织答案
• 对于行业观点问题，先表明立场，然后从技术可行性、安全性、可维护性等多个维度进行平衡论述
• 描述一个你开发过的对性能要求极高的系统或算法，你是如何优化的？
• 如果让你设计一个简单的自动车道保持系统的路径规划模块，你会考虑哪些核心要素和算法？
• 在机器学习用于驾驶决策时，如何保证算法的可解释性和安全性？
• 你如何看待端到端自动驾驶与模块化自动驾驶的优劣？运动规划在其中扮演什么角色？
• 重点复习数据结构（特别是图、树）、常见算法（搜索、优化）以及C++/Python的深度知识