无人驾驶软件开发岗

优缺点分析

角色解读

• 从初级控制算法工程师成长为高级算法专家或自动驾驶系统架构师
• 未来可向自动驾驶系统总师、技术总监等管理或技术领军方向发展，主导量产项目落地
• 建立车辆运动学与动力学模型，为自动驾驶系统提供底层物理约束与仿真基础
• 设计并优化决策规划、轨迹跟踪及横纵向控制算法，确保车辆行驶的安全性与平顺性
• 将算法进行工程化落地，完成实车部署、参数调试和测试验证，解决真实物理环境中的控制问题
• 扎实的自动控制理论、车辆动力学基础，熟悉常用控制算法（如MPC、PID、LQR等）
• 熟练掌握C/C++/Python等编程语言，具备算法工程化与代码性能优化能力
• 具备实车调试经验，能够使用ROS等工具链进行系统联调与Corner Case分析

申请策略

• 提前了解中国重汽在智能网联和无人驾驶领域的最新产品布局，面试时可结合其重卡/商用车场景特点（如长轴距、重载动力学特性）进行针对性准备
• 突出在车辆动力学建模、控制算法（如MPC、LQR）设计方面的项目经验及实际优化效果
• 强调算法工程化落地和实车调试的实际成果，展示解决复杂物理环境控制问题的能力
• 展示对C++/Python及ROS等工具链的熟练度，以及良好的代码规范与工程化思维
• 深入学习模型预测控制（MPC）等高级控制算法在自动驾驶中的前沿应用与优化技巧
• 提升C++工程化能力和代码性能优化技巧，了解自动驾驶系统架构及传感器融合基础

面试指南

• 采用“理论原理+项目实践+问题解决”的框架
• 先简述算法理论，再结合具体项目说明如何应用，最后强调在实车调试中遇到的困难及解决思路，突出工程落地能力
• 请简述车辆运动学与动力学建模的核心步骤及常用模型（如二自由度、三自由度模型）的适用场景？
• 在轨迹跟踪中，MPC和LQR算法各有什么优缺点？你在实际项目中如何选择与调参？
• 算法在实车部署时遇到过哪些工程化问题（如系统延迟、传感器噪声）？你是如何解决的？
• 针对商用车（重卡）与乘用车在动力学特性上的差异，控制算法需要做哪些针对性调整？
• 复习经典控制理论和车辆动力学教材，确保基础概念扎实
• 准备1-2个自己主导或深度参与的算法实车落地项目案例，梳理其中的技术难点与解决方案