端到端自动驾驶仿真评测实习生

优缺点分析

角色解读

• 向自动驾驶评测专家或算法工程师方向发展，深入端到端模型与仿真技术
• 积累自动驾驶行业经验，可转向系统、规划或控制等算法方向
• 优秀实习生有机会转正，进入地平线规控部核心团队
• 设计自动驾驶端到端模型的评测指标，从安全、规则、体感等多维度量化系统表现
• 基于数据驱动方法优化评测算法，提升准确性、泛化性和效率
• 参与构建评测数据闭环与回归体系，确保迭代可复现
• 与算法团队协作，定位模型问题并推进质量闭环
• 熟练掌握Python和C++编程，熟悉Git等开发工具
• 扎实的机器学习和深度学习基础，有论文复现经验
• 了解智驾仿真、logSim及3DGS场景重建等技术
• 具备数据驱动思维和问题定位能力

申请策略

• 投递前了解地平线在智驾领域的产品和技术方向，面试中展现热情
• 准备一个你曾参与的数据分析或算法优化案例，体现系统化思维
• 突出编程能力（Python/C++）和相关项目经验，尤其是自动驾驶或仿真相关
• 展示机器学习/深度学习论文复现或算法实现经历，最好有量化分析
• 强调数据驱动思维和问题定位能力，例如通过数据分析改进算法
• 如有自动驾驶竞赛或开源贡献，务必列出
• 提前学习自动驾驶仿真工具（如CARLA、SUMO）和logSim概念
• 了解3D Gaussian Splatting基本原理，可阅读相关论文或复现简单demo

面试指南

• 对于技术问题：先定义问题范围，再给出方法步骤，最后总结关键点
• 对于开放性问题：结合具体案例，展示思考和推理过程，不必给出唯一答案
• 对于算法复现问题：说明论文核心创新点，自己复现时的调参或优化经验
• 请介绍一个你复现过的论文或算法，遇到过哪些困难？如何解决？
• 如何评价一个自动驾驶系统的安全性和体感？设计哪些指标？
• Python和C++在自动驾驶研发中各自的作用？你更熟悉哪个？
• 解释一下3D Gaussian Splatting的基本原理，它在仿真中有什么应用？
• 针对端到端模型，你有何理解？如何评测端到端模型与传统pipeline的差异？