软件工程师-决策与路径规划，无图规划方向-北京/上海

优缺点分析

角色解读

• 在自动驾驶决策规划领域深耕，从工程师成长为技术专家或架构师，主导核心算法突破
• 可横向拓展至感知、控制、系统等方向，成为全栈自动驾驶技术人才
• 随着自动驾驶商业化推进，有机会晋升为技术负责人或团队管理者，带领团队攻克行业难题
• 设计并开发高性能、高可靠性的L4自动驾驶Planning算法架构，负责决策与路径规划核心模块
• 对端到端模型结果进行后处理优化，确保车辆行为安全可控，实现不依赖高精地图的自动驾驶系统
• 开发冗余系统，在较低算力和部分传感器条件下达到L4级别要求
• 搭建路测大数据分析处理架构和仿真平台，通过海量数据提升算法真实场景表现
• 精通C++或Python等主流编程语言，熟悉常用数据结构和算法，具备优秀的编程能力
• 具备问题转化与建模能力，能够将复杂的现实驾驶场景抽象为算法问题并创新解决
• 熟悉自动驾驶决策规划相关技术，如路径规划、行为预测、端到端模型等
• 良好的沟通协作能力，能够与感知、控制等团队紧密配合

申请策略

• 可以准备一份关于无图规划或端到端规划的技术思考，展示对行业前沿的理解
• 关注小马智行的技术博客或公开演讲，了解其技术栈和文化，在面试中体现匹配度
• 突出自动驾驶相关项目经验，尤其是决策规划、路径规划、端到端模型等方向的成果
• 强调编程能力，展示C++/Python项目代码质量，以及常用数据结构和算法的熟练度
• 体现问题建模和创新能力，例如在学术论文或竞赛中解决复杂问题的经历
• 如果有大型系统架构设计或大数据处理经验，务必重点描述
• 深入学习Planning领域经典算法（如A*, RRT, MPC, Lattice Planner）和端到端方法（如Imitation Learning, RL）
• 熟悉常用自动驾驶仿真平台（如CARLA, SUMO）和数据处理工具（如ROS, Apollo）

面试指南

• 面对算法设计题，先明确问题边界和假设，再提出方案框架，分模块阐述，最后讨论优缺点和优化方向
• 对于技术理解类问题，先给出核心概念，再结合具体场景分析，最后联系实际应用中的挑战
• 对于行为面试题，使用STAR法则（情境、任务、行动、结果）结构化描述，突出个人贡献和反思
• 请设计一个自动驾驶车辆在复杂路口的行为规划算法
• 如何用端到端模型进行路径规划？它的优势和局限性是什么？
• 如何确保规划算法的安全性和可靠性？请举例说明
• 请描述一次你解决过的算法难题，你是如何分析并解决的？
• 如何处理传感器噪声或不确定性对规划结果的影响？