行车控制算法工程师

优缺点分析

角色解读

• 从控制算法工程师成长为智驾控制领域的技术专家或架构师，主导更复杂的量产项目
• 未来可向智驾系统负责人或技术管理方向发展，统筹横纵向控制及规控团队
• 负责智能驾驶横纵向控制算法的研发与落地，包括PID、LORMPC等算法的设计与实现
• 负责算法的实车调试，与上下游团队对接，确保软件交付质量
• 基于Matlab/Simulink进行模型设计，并生成高质量的C++代码
• 深入分析车辆运动学与动力学特性，优化底盘控制策略
• 熟练掌握C++与Matlab/Simulink，具备基于模型设计的代码生成能力
• 深入理解自动控制原理，熟悉主流横纵控算法及车辆轨迹跟踪控制算法
• 熟悉车辆运动学、动力学模型及底盘控制特性，了解轮胎、动力、制动等控制逻辑
• 具备较强的工程能力，熟悉Linux和中间件等开发环境，有软件优化经验

申请策略

• 了解吉利汽车在智能驾驶领域的最新技术路线（如浩瀚智驾），在面试中展示对量产落地痛点的理解
• 重点突出ACC/LKA/AEB等量产项目的控制算法开发经验，展示从算法设计到实车落地的完整闭环
• 强调基于Matlab/Simulink的代码生成能力与C++工程化经验，体现扎实的软件优化功底
• 展示对车辆动力学模型及底盘控制特性的深入理解，突出解决复杂实车调试问题的能力
• 深入学习车辆动力学模型与数值优化方法，提升复杂场景下的控制算法鲁棒性设计能力
• 加强C++高级特性与Linux中间件开发技能，提升代码执行效率与系统级优化能力

面试指南

• 采用STAR法则，重点突出“问题背景-控制策略设计-实车调试优化-最终量产效果”
• 强调工程落地能力和对车辆物理特性的理解，用具体数据或指标说明优化成果
• 请详细描述你在ACC/LKA量产项目中解决过的最复杂的控制难题及解决方案
• 在实车调试中，如何处理车辆动力学模型与实际底盘响应之间的偏差？
• 对比PID和LORMPC在横纵向控制中的优缺点及适用场景
• 请说明你如何使用Matlab/Simulink进行基于模型的设计并生成高质量C++代码
• 复习自动控制原理、车辆动力学及主流控制算法（PID, MPC等），确保理论基础扎实
• 准备1-2个自己主导的量产项目案例，详细梳理其中的技术细节、调试过程和优化方案