智能驾驶规控算法开发岗

优缺点分析

角色解读

• 技术专家路线：深入规控算法某一细分领域（如决策、规划、预测），成为技术骨干或首席专家
• 架构师路线：负责整个智能驾驶系统或子系统的架构设计，统筹技术方向和团队协作
• 技术管理路线：带领小型算法团队，负责项目交付和团队培养，向技术经理或总监发展
• 设计和实现智能驾驶系统的应用层算法，确保车辆能安全、舒适地在复杂道路环境中行驶
• 研究行为决策和轨迹规划算法，让车辆能像经验丰富的司机一样做出驾驶决策
• 利用实车采集的数据，通过数据驱动的方法不断优化和调试算法，解决实际道路中遇到的问题
• 深厚的自动驾驶决策规划算法理论功底，特别是对城市道路场景有深入理解和实践经验
• 扎实的编程能力，精通C/C++用于高效系统实现，熟悉Python用于算法研究和数据处理
• 具备深度学习模型开发和部署能力，能够处理和利用海量的驾驶数据进行算法迭代

申请策略

• 研究吉利智能驾驶的技术路线和公开的专利、论文，了解其技术特色和挑战
• 在面试中展现对自动驾驶系统整体流程的理解，以及从发现问题到解决问题闭环的能力
• 重点突出硕士及以上学历背景，以及与高阶智能驾驶功能相关的量产项目经验
• 详细描述在决策规划、轨迹规划等核心算法模块的具体贡献和技术细节
• 强调C++/Python编程能力以及深度学习在规控领域的应用案例
• 如有实车测试、数据闭环、算法优化经验，务必清晰说明
• 深入复习和研究主流的决策规划算法（如Lattice、Optimal Speed Profile等）和联合规划框架
• 针对“数据驱动”要求，可以学习并实践基于强化学习或模仿学习的决策规划方法

面试指南

• 回答项目问题时，采用STAR法则：情境(Situation)、任务(Task)、行动(Action)、结果(Result)，重点突出技术决策和量化成果
• 回答算法设计问题时，从问题建模、约束条件、优化目标、安全性冗余等角度结构化阐述，并体现工程化考量
• 回答问题定位时，遵循“数据复现->日志分析->模块排查->根因定位->修复验证”的逻辑链
• 请详细描述一个你参与过的、具有挑战性的决策规划算法开发或优化项目，你在其中的角色、遇到的难点以及最终解决方案
• 在城市复杂场景（如无保护左转、加塞、避让行人）中，如何设计一个兼顾安全性、效率和舒适性的规划算法？
• 如果实车测试中发现规划轨迹在特定场景下不合理，你会如何系统性地分析和定位问题？
• 你如何理解“数据驱动”在决策规划中的作用？请举例说明
• C++和Python在你的自动驾驶算法开发工作中通常如何分工？你如何保证C++代码的性能和可靠性？