泊车规划算法工程师/专家

优缺点分析

角色解读

• 从算法工程师晋升为泊车规划技术专家，主导核心算法方向
• 积累量产经验后，可向自动驾驶系统架构师或技术管理岗位发展
• 随着数据驱动趋势，可转向端到端模型研发，成为AI+规划复合型人才
• 设计并优化泊车、地库等低速场景的路径规划与决策算法，确保车辆安全舒适地通过狭窄空间
• 将算法部署到量产车上，通过实车调试和数据分析持续提升泊车成功率
• 探索数据驱动方法，参与端到端规划模型的开发与工程化
• 扎实的数值优化、计算几何、运动规划等理论基础，熟悉Hybrid A*、轨迹优化等经典算法
• 精通C++，具备良好的工程实践能力，能独立完成算法实现与嵌入式部署
• 有机器学习、强化学习经验者更佳，能推动算法向数据驱动演进

申请策略

• 提前了解轻舟智航的技术路线和量产车型，面试时展示对产品落地的理解
• 准备一个完整的项目案例，从问题定义、算法选型、实现到实验结果，体现系统性思考
• 重点展示运动规划相关项目，尤其是泊车或低速场景的算法实现与优化经历
• 突出C++编程能力和工程化经验，如嵌入式平台部署、实车调试等
• 如有量产项目（APA/RPA/AVP）或端到端模型经验，务必详细描述
• 强调数学基础、论文阅读能力以及团队协作成果
• 深入复习Hybrid A*、轨迹优化、碰撞检测等经典算法，能推导原理
• 若有时间，学习或回顾强化学习、模仿学习基础，了解端到端规划前沿

面试指南

• 对于算法原理问题：先讲清楚算法输入输出、核心步骤、关键参数，然后结合实际工程经验说明优化点
• 对于场景问题：先分析难点（如窄路、障碍物不确定性），再分步给出方案（感知+预测+规划），体现系统性思维
• 对于经验问题：按照STAR原则（情境、任务、行动、结果）组织，重点突出个人贡献和量化成果
• 请详细推导Hybrid A*算法的原理，并说明如何保证实时性？
• 在泊车场景中，如何处理狭窄空间下的碰撞检测与避障？
• 轨迹优化中常用的损失函数有哪些？如何权衡舒适性与成功率？
• 你有过端到端规划的经验吗？与传统方法相比利弊是什么？
• 描述一个你解决过的规划算法难题，以及最终方案