运动规划-软件工程师-广州

优缺点分析

角色解读

• 在自动驾驶头部企业积累核心算法和工程经验，成为行业稀缺人才
• 可向技术专家或团队负责人方向发展，负责更复杂的系统与算法
• 可横向拓展到感知、控制等自动驾驶其他模块，拓宽技术广度
• 设计并开发自动驾驶车辆的运动规划系统，确保车辆安全、高效地在复杂交通环境中行驶
• 优化规划算法中的计算几何和数值计算性能，提升系统的实时性和准确性
• 探索机器学习等新技术在驾驶决策中的应用，推动自动驾驶能力进步
• 扎实的编程基础，熟练掌握C++/Python等语言，深入理解数据结构和算法
• 具备系统架构设计能力，能够构建高性能、可靠的软件模块
• 良好的数学功底，理解计算几何、数值优化等相关领域
• 优秀的沟通协作和问题解决能力，能应对开放式挑战

申请策略

• 了解小马智行的技术栈和规划算法方向，在面试中展示对自动驾驶的理解
• 提前思考如何解决实际场景中的问题，准备算法推导和代码实现
• 突出相关项目经历：如无人车、机器人路径规划、SLAM等
• 强调编程能力和算法功底，展示项目中的性能优化成果
• 如有机器学习论文或竞赛经历，重点体现模型的落地能力
• 精进C++编程，熟悉常用算法和数据结构，练习LeetCode
• 学习自动驾驶规划算法（如A*、RRT、MPC）和计算几何库

面试指南

• 使用STAR法则回答项目经验，突出难点、你的角色和成果
• 基础算法问题要讲清楚原理、复杂度和实际应用
• 开放式问题可结合已知的自动驾驶框架给出系统性思路
• 请介绍一个你参与过的运动规划或路径规划项目
• 解释A*算法和Dijkstra算法的区别及适用场景
• 如何处理动态障碍物下的轨迹规划？
• C++中vector与list的性能差异，以及如何选择？
• 如果要求你在自动驾驶中设计一个决策模块，你会怎么考虑？