【HSA】自动驾驶决策规划算法工程师

优缺点分析

角色解读

• 初级算法工程师 → 中级算法工程师 → 高级算法专家/技术主管
• 可向系统架构师方向转型，负责整体规控系统设计
• 或转向端到端自动驾驶、感知融合等相邻领域，拓宽技术视野
• 开发城区及高速场景的自动驾驶行为与路径规划算法，确保车辆安全高效行驶
• 设计强交互场景下的横纵联合博弈算法，处理复杂交通参与者行为
• 负责规控算法的仿真评测与实车测试，并协助在嵌入式量产平台上部署算法
• 遵循系统工程和软件工程实践，与团队协作保证研发效率和产品质量
• 精通C++和Python编程，熟悉Linux和ROS开发环境
• 掌握经典规控算法（如非线性优化、DP、QP、MPC、PID等）
• 了解自动驾驶软件架构，有开源或量产自动驾驶算法经验者优先
• 具备良好的沟通能力和问题解决能力，能跨团队协作

申请策略

• 关注地平线在自动驾驶领域的产品（如征程芯片、SuperDrive），面试中可结合公司技术路线展示思考
• 准备一个完整的算法开发案例，包括问题定义、方案设计、仿真验证、实车测试等环节
• 突出C++/Python编程能力和Linux/ROS开发经验，列举相关项目或实习
• 强调对经典规控算法的理解和实践，如MPC、DP、混合A*等算法实现
• 如有Apollo、Autoware等开源项目经验或竞赛获奖，务必列出
• 展示沟通协作能力和量产项目经历，体现工程化思维
• 深入复习非线性优化、状态机、概率论等数学基础
• 动手实现一个简易的规划控制器（如使用C++在ROS中仿真）

面试指南

• 对于开放设计题，先明确场景约束，再给出算法选型思路，最后讨论潜在问题和优化方向
• 对于技术原理题，先给出定义，再结合自动驾驶实例解释，最后指出局限性或改进点
• 对于项目经验题，采用STAR原则：情境、任务、行动、结果，突出个人贡献和量化成果
• 请设计一个城市十字路口的无保护左转行为规划算法
• 解释MPC的原理，并说明在自动驾驶规划中的优缺点
• 如何处理规划中的不确定性和多车交互？举例说明博弈策略
• 描述一次你调试算法到实车测试的经历，遇到了什么问题，如何解决？
• 你对端到端自动驾驶的了解？与传统规控方法相比，优劣势是什么？