算法工程师 - 自动建图

优缺点分析

角色解读

• 在技术方向深耕，成为自动驾驶感知或高精地图领域的专家
• 横向拓展至定位、规划等相邻领域，成为全栈自动驾驶算法工程师
• 向技术管理路线发展，带领团队负责地图构建或感知系统的整体设计与落地
• 负责从传感器数据（图像、点云）中提取高精度地图的静态要素，如车道线、路缘等
• 设计并优化感知算法管线，提升要素检测与匹配的准确性和稳定性
• 与定位、建图、规划团队协作，将算法工程化并部署到离线流水线
• 跟踪前沿技术，将视觉语言模型、Agent系统等创新方法落地应用
• 扎实的深度学习基础，熟练使用 PyTorch 或 TensorFlow
• 熟悉计算机视觉和点云处理，有多传感器融合经验
• 了解高精度地图数据结构与坐标变换，具备工程化能力（C++/Python）
• 良好的问题分析与沟通协作能力，有大规模数据处理经验

申请策略

• 深入了解小马智行的技术路线和产品，在面试中展现你的匹配度
• 准备一个完整的项目案例，详细说明你的贡献、技术难点和解决方案
• 突出你在深度学习、计算机视觉或点云处理方面的项目经验，尤其是与自动驾驶或地图相关的
• 展示你的工程能力，如使用 PyTorch/TensorFlow 实现复杂模型，或搭建数据处理管线
• 如果有 VLM、Agent 系统或高精度地图项目经验，务必强调
• 列出发表的论文或开源贡献，体现你的研究能力
• 补充视觉语言模型（VLM）和 Agent 系统相关知识，这是加分项
• 强化 C++ 工程实践，特别是代码性能和部署经验

面试指南

• 用 STAR 法则回答项目经验：情境、任务、行动、结果
• 技术问题先阐述原理，再结合实际案例，体现思考深度
• 如果遇到不熟悉的问题，可以诚实说明，然后分析解题思路
• 请详细介绍一下你过去在感知或地图项目中的工作，包括算法选型、挑战和结果
• 如何提升车道线检测模型在复杂场景下的准确性？
• 在多传感器融合中，如何处理时间同步和坐标变换？
• 你有使用过 VLM 或 Agent 的经验吗？如何将其应用于地图构建？
• 描述一次你在工程化部署中遇到的性能瓶颈及优化方法