算法实习生 - 运动规划

优缺点分析

角色解读

• 实习结束后可争取转正，成为自动驾驶规划算法工程师
• 深入掌握路径规划与控制算法，向技术专家或架构师方向发展
• 积累工业级开发经验，未来可转向自动驾驶其他方向如感知、控制等
• 设计并实现绕行决策与轨迹规划算法，解决静态障碍物场景下的通行难题
• 协同感知、地图与控制模块，确保绕行路径安全、平滑且符合交通规则
• 持续验证和迭代绕行策略，提升系统在施工区、事故区等复杂场景中的通过率
• 扎实的C++编程能力，熟悉数据结构与算法
• 数学基础扎实，掌握概率论、优化、计算几何或路径规划相关知识
• 了解自动驾驶基本概念，对运动规划有浓厚兴趣

申请策略

• 申请时附上代码仓库或项目链接，展示实际编码能力
• 面试前了解小马智行的技术和产品动态，表达对公司的认同
• 突出竞赛经历（ACM、机器人、人工智能）或相关项目经验
• 强调C++编程能力和数学课程成绩
• 展示对自动驾驶的理解和热情，如相关课程、论文或开源贡献
• 加强C++编程练习，熟悉STL、多线程等
• 学习路径规划算法如A*、RRT、Dijkstra等，了解运动规划基础
• 熟悉Linux开发环境和Git版本控制

面试指南

• 针对算法问题，先明确输入输出和约束，然后从经典算法出发讨论优劣，最后结合实际场景优化
• 对于编程问题，从基础语法到高级特性逐步深入，结合内存管理、性能等
• 对于开放性问题，展现思考过程和求知欲，强调学习能力和团队合作
• 请介绍一个你实现的路径规划或搜索算法
• 如何处理静态障碍物绕行？请描述算法思路
• C++中vector的底层实现和性能优化有哪些？
• 你对自动驾驶运动规划中的哪些技术比较了解？
• 实习期间如何平衡学习和产出？