行泊一体决策规划算法专家（工程师）

优缺点分析

角色解读

• 从算法工程师成长为技术专家，主导复杂场景算法突破
• 可向技术经理或架构师方向发展，负责团队技术规划
• 随着自动驾驶量产经验积累，有机会跳槽至头部车企或Tier1
• 设计并优化停车场场景下的行为决策与路径规划算法，处理窄路汇车、脱困等复杂工况
• 将算法工程化落地到量产平台，分析泛化问题并跟进路测问题
• 持续跟踪国际前沿技术，掌握HPA/APA决策规划算法的发展趋势
• 扎实的C++编程能力和Linux/ROS开发经验，能高效实现算法
• 深刻理解非线性优化、DP、QP、混合A*等经典规划算法
• 熟悉自动驾驶业界主流方案，掌握端到端技术路线

申请策略

• 关注地平线在行泊一体领域的技术路线，面试前阅读相关专利或论文
• 准备一个完整的量产案例，从问题分析到算法选型再到落地效果
• 突出停车场场景的决策规划量产项目经验，具体说明解决了哪些难题
• 强调C++、ROS及优化算法的熟练程度，可附上GitHub链接
• 展示对端到端技术的理解和实践，如论文复现或项目应用
• 补强端到端规划算法，学习Imitation Learning或RL在规划中的应用
• 熟悉Autoware或Apollo等开源框架的规划模块

面试指南

• 使用STAR法则：先描述场景和问题，再说明你采用的技术方案（如混合A* + 优化），最后展示量化结果
• 针对开放性问题，从原理出发，对比不同方法的优劣，并结合实际项目经验
• 请详细描述你在停车场场景下解决窄路汇车问题的算法方案
• 如何平衡路径规划中的最优性和实时性？请举例说明
• 你对端到端规划算法（如基于学习的规划）的看法和实际经验？
• 在量产过程中遇到泛化问题，你如何定位和优化？
• 复习经典规划算法（A*, Hybrid A*, MPC等）并推导关键公式
• 准备1-2个详细的项目案例，包括问题、方案、挑战和成果