【2027届校招】规划控制算法工程师

优缺点分析

角色解读

• 从算法工程师成长为技术专家，深度学习自动驾驶核心模块的算法演进
• 可向技术管理方向转型，带领小型团队负责某个算法子系统
• 积累行业经验后，可转向更广泛的机器人或AI领域，如具身智能、通用机器人等
• 开发自动驾驶系统的预测、决策、规划与控制算法，涵盖轨迹预测、行为决策、路径规划和运动控制
• 基于海量数据优化预测模型，设计高性能、高稳定的模块，并部署到嵌入式量产平台
• 构建仿真引擎和场景库，通过云端批量仿真和自动化测试替代部分路测，提升研发效率
• 建立数据闭环工具链，包括自动标注、难例挖掘，持续提升算法能力
• 扎实的C++/Python编程能力，熟悉至少一种主流编程语言
• 良好的数学功底，能够理解控制理论、优化方法等
• 熟悉常见机器学习算法，掌握至少一个深度学习框架（TensorFlow或PyTorch）
• 具备团队协作和沟通能力，能够与上下游团队高效配合

申请策略

• 深入了解地平线的产品和技术路线，尤其是征程芯片与智能驾驶方案
• 面试中多举实际项目案例，展现你如何分析问题、权衡取舍并验证效果
• 突出毕业论文或研究项目与规划控制、预测、机器学习相关的部分，最好有实际成果
• 强调编程能力，尤其是C++/Python项目经验，如有嵌入式或机器人开发更佳
• 提及参与过无人车/无人机/机器人竞赛，或相关实习经验，证明实践能力
• 展现数据驱动思维，如使用过仿真工具、处理过海量数据等
• 系统学习强化学习、最优控制、轨迹规划等基础理论，理解常见算法原理
• 动手实现一些经典算法，如A*、DWA、MPC等，并尝试在仿真环境调试

面试指南

• 用 STAR 法则（情境-任务-行动-结果）描述项目，突出个人贡献和量化成果
• 对于算法设计题，先明确输入输出和约束，再提出方案，分析优缺点，并说明为什么选择该方案
• 对于编程题，注意代码规范、边界条件和复杂度优化，逐步解释思路
• 请介绍你在轨迹预测或规划控制方面的研究/项目经验
• 如何设计一个决策模型来处理复杂交互场景？
• C++中如何高效实现一个实时规划算法？
• 解释一下数据闭环在自动驾驶中的作用，如何设计难例挖掘？
• 谈谈你理解的“用实车效果说话”与“技术自嗨”的矛盾，如何平衡？