决策规划算法专家（工程师）（行车）

优缺点分析

角色解读

• 技术专家路径：深耕决策规划领域，成为该方向的技术权威和架构师
• 技术管理路径：带领小团队负责更复杂的子系统或模块，向技术负责人发展
• 跨界发展：利用对整车智能的理解，向智能驾驶产品、系统集成或测试策略等方向拓展
• 开发智能驾驶系统中的行为决策与路径规划核心算法，覆盖城区、高速等多种复杂场景
• 实现从算法模型到量产车规级平台的工程化部署与调试，解决实际道路测试中出现的泛化问题
• 跟踪国际前沿技术（特别是端到端大模型），探索并引入新技术以提升系统性能与可靠性
• 作为技术专家，需要对算法的最终表现和落地效果负责
• 需要深厚的决策规划算法理论功底，熟悉MPC、QP、搜索类算法等多种经典与前沿方法
• 需要强大的C++工程实现能力，能将算法在嵌入式或车载平台上高效稳定运行
• 需要熟悉自动驾驶开发链路，了解从数据到模型再到实车部署的完整流程与挑战
• 需要快速学习能力和解决复杂开放性问题的能力，以应对技术快速迭代和量产挑战

申请策略

• 深入研究地平线的产品线（如征程芯片）和其智能驾驶解决方案，面试时展现你对公司的了解
• 准备一个从理论推导到工程实现、再到解决实际问题的完整项目案例，清晰讲述技术决策过程
• 关注自动驾驶行业顶级会议（如CVPR， ICRA， NeurIPS）的相关论文，面试中可以就最新技术趋势展开讨论
• 详细阐述在决策规划算法（特别是端到端或两段式）方面的具体项目经历、技术选型与成果（如性能指标提升）
• 突出使用C++进行高性能、实时算法开发的工程经验，以及在Linux/ROS环境下的调试能力
• 量化描述参与的量产项目或路测问题解决案例，体现工程化能力和解决实际问题的能力
• 列出熟悉的核心算法（MPC、QP等）及对前沿技术（如Transformer在规划中的应用）的理解
• 深入研究当前主流的端到端自动驾驶方案（如UniAD， VAD等），并尝试复现关键模块

面试指南

• 采用STAR原则描述项目：情境(Situation)、任务(Task)、行动(Action)、结果(Result)，重点突出你的技术选型与优化过程
• 对于技术设计类问题，先阐述整体思路和模块划分，再深入关键算法细节，并讨论可能的优化方向
• 对于开放性技术探讨问题，可以从技术成熟度、工程可靠性、安全冗余、数据依赖等多个维度辩证分析，展示全面思考能力
• 请介绍一个你过去负责的决策规划算法项目，你在其中的核心贡献是什么？
• 在处理城区复杂交互场景（如无保护左转）时，你的规划算法是如何设计的？遇到了哪些挑战？
• 如果让你设计一个两段式规控系统的后处理兜底模块，你会考虑哪些方面？
• 如何看待端到端模型在量产自动驾驶中的应用前景与挑战？
• 你如何平衡算法性能（如规划合理性）与工程约束（如计算延迟）？