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：深耕控制算法领域，成为规控算法的技术负责人或领域专家，解决更复杂的自动驾驶场景难题
• 系统架构路线：从单一算法模块开发，扩展到整体感知-决策-规划-控制系统的架构设计与优化
• 管理路线：带领小型算法团队，负责模块或项目的规划与交付，向技术经理或项目经理发展
• 设计与实现智能泊车系统的核心控制算法，确保车辆能精准、平稳地完成横向（转向）与纵向（加减速）控制
• 解决算法在量产车上遇到的实际问题，通过调试和优化提升用户泊车时的体验和可靠性
• 进行前沿控制算法的研究，并推动其从概念验证走向量产落地
• 搭建并维护控制算法的仿真测试环境，并在真实车辆上进行部署和验证，确保算法效果
• 精通C/C++编程，能够进行高效的算法实现和系统开发
• 熟练使用Matlab/Simulink进行算法建模、仿真与自动代码生成
• 深入理解控制理论（如LQR、MPC），并有实际应用经验
• 了解车辆通信（CAN总线）和基本架构，能使用相关工具进行数据交互与分析

申请策略

• 研究吉利汽车在智能驾驶领域的技术路线和产品（如极氪品牌的智能泊车功能），在面试中展现你对业务的理解
• 准备一个关于算法调试或问题排查的详细案例，说明你的分析思路和解决方法
• 重点展示在C++/C、Simulink/自动代码生成方面的项目经验和熟练度
• 突出控制算法（如MPC、LQR）的应用实例，最好有仿真或实车调试的成果描述
• 强调解决实际工程问题的能力，例如“通过优化MPC参数，将泊车路径跟踪误差降低了X%”
• 深入学习MPC、LQR等高级控制理论，并尝试在开源或自建的小型系统中实践
• 熟悉CAN协议及常用工具（如Vector CANoe），了解汽车电子电气架构基础知识
• 关注行业动态，了解主流规控算法的技术栈和演进方向

面试指南

• 使用STAR法则（情境、任务、行动、结果）来结构化描述项目经验
• 回答技术问题时，先阐述基本原理，再结合具体场景（如低速泊车）分析应用细节和难点
• 展示系统化思维：从感知输入、模型精度、控制器设计、执行机构延迟等多维度分析问题
• 请详细描述一下你之前开发或调试过的某个控制算法项目？
• 在泊车场景下，横向控制（转向）和纵向控制（速度）通常面临哪些挑战？你会如何解决？
• 如何评估一个控制算法的优劣？你在仿真和实车测试中分别关注哪些指标？
• 如果实车测试中出现控制震荡或不平顺的问题，你会从哪些方面进行排查？
• 你对模型预测控制（MPC）和线性二次调节器（LQR）的理解是什么？它们各自的适用场景和优缺点？