跳到主要内容

智能驾驶/机器人算法校招面试拆解:感知、规控与工程化

发布约 1 分钟读完技术算法

流程总览

网申(论文/竞赛/实习硬筛)→ 笔试(编程+数学+方向专业题)→ 技术一二面(论文/项目深挖+手撕代码)→ 主管面 → HR 面。

高频技术题

  1. 感知:BEV 表征相比透视图检测的优势?多传感器(相机+激光雷达)融合的常见方案?
  2. 规控:MPC 与 PID 的区别?轨迹优化里硬约束和软约束怎么处理?
  3. 定位:卡尔曼滤波的预测与更新公式;紧耦合与松耦合的区别。
  4. 通用:C++ 智能指针、移动语义;手撕非极大值抑制(NMS)或 A* 搜索。
  5. 数据闭环:corner case 怎么挖掘、标注与回灌?

项目深挖

  • 复现类项目要讲清 baseline 指标、你的改动、消融实验结果,只会跑通开源代码很难过二面。
  • ROS/仿真(CARLA、Apollo 仿真)经历按真实工程问题追问:延迟、坐标系、时间同步怎么处理。

准备清单

  • 手撕题以 C++ 为主练:NMS、IoU、A*、卡尔曼滤波一维实现。
  • 把一个代表性项目做成「问题-方案-指标」三段式,准备 10 分钟深讲版本。
  • 关注目标公司技术路线(纯视觉/多传感器、端到端/模块化),反问环节体现方向判断。

高频问答

智驾算法校招要求有多高?

头部公司普遍要求硕士 + 顶会论文或竞赛名次,但工程化岗位(部署、数据闭环、仿真)对工程能力强的本科生同样开放,C++ 功底扎实是共同硬门槛。

没有自动驾驶项目经历怎么办?

公开数据集(nuScenes/KITTI)上的复现与改进、SLAM 课程项目、ROS 小车实践都被认可;关键是能讲清算法原理、复现过程中踩的坑和你的改动带来的指标变化。

感知、规控、定位方向怎么选?

感知坑位最多但竞争激烈(深度学习背景);规控偏控制与优化理论,数学好的同学差异化明显;定位建图(SLAM)中等规模但门槛清晰,几何与状态估计基础是核心。

题目心里有数了?先把简历改到能过筛

相关校招职位

职位信息均来自各公司官方招聘门户,去职位库查看完整 326 条

该方向简历范文

面试前先把简历改到能过筛,看「技术」方向含逐段点评的范文。