规划算法工程师

优缺点分析

角色解读

• 在端到端自动驾驶领域深耕，成为规划算法专家或技术负责人
• 跨模块扩展至控制、感知等方向，成为全栈自动驾驶工程师
• 随着自动驾驶商业化推进，可晋升为技术经理或架构师
• 设计端到端模型的安全兜底规则，平衡安全与干预最小化
• 优化模型输出轨迹的平滑性，解决方向盘抖动和加减速顿挫等体感问题
• 与控制团队协作，联合优化规划与控制的系统性能
• 攻坚地库、VPA等特殊场景的规划策略，提升复杂场景表现
• 扎实的运动规划算法基础，包括轨迹优化、碰撞检测和动力学约束
• 精通C++和Python，具备良好的代码质量和工程能力
• 实车调试和badcase分析能力，能快速定位并解决问题
• 系统性思维，理解模型、规划、控制的交互关系

申请策略

• 关注元戎启行的技术博客和公开演讲，了解其端到端系统架构
• 在面试中主动分享对端到端范式下规划角色转变的理解
• 突出运动规划算法项目经验，特别是轨迹优化和碰撞检测的实际应用
• 详细描述实车调试和badcase分析案例，体现问题解决能力
• 如有端到端兜底或控制经验，务必强调跨模块协作成果
• 展示C++/Python代码质量，可附上GitHub或技术博客链接
• 补充端到端自动驾驶相关论文和开源项目（如UniAD、MP3）
• 练习运动规划算法库（如OMPL、drake）的代码实现

面试指南

• STAR法则（Situation-Task-Action-Result）描述项目经验
• 从系统角度分析问题，考虑模型、规划、控制的交互影响
• 结合理论（如优化理论、动力学约束）和工程实践（如实车数据）给出解决方案
• 如何为端到端模型设计安全兜底规则？请举例说明
• 如何处理轨迹平滑中的方向盘抖动问题？
• 描述一个你解决过的实车badcase，分析原因并给出改进方案
• 规划和控制模块如何联合优化体感和执行精度？
• 在地库场景中，规划算法面临哪些特殊挑战？如何应对？