战斗包子
一个大公司的面试

一个大公司的面试

一个大公司 规控岗 (PNC) 一面


📌 基本信息

  • 公司: 一个大公司
  • 岗位: 规划控制 (PNC) 工程师
  • 形式: 纯聊项目,无 Coding。

📝 项目经历深挖 (CX835 城市领航)

面试官首先让我详细介绍在恒润一年半的 CX835 项目经验。

  • 核心职责: 负责横向规划模块,重点攻克参考线生成及相关功能。
  • 核心方案架构:
    • 输入: 定位、感知、建图、腾讯 HA 轻地图 (提供宏观导航)。
    • 规划逻辑: 采用横纵向解耦方案。
    • 流程:
      1. 基于车道规划静态参考线
      2. 以该参考线为坐标系。
      3. 对动态障碍物(车辆、行人)进行绕行处理,输出横向轨迹
      4. 在该横向轨迹上完成纵向决策与规划

🔧 技术细节 (一): 参考线生成

这是面试的绝对核心,聊得非常细。

1. 标准工况 (平行车道)

  • 流程:
    1. 建图模块提供车道中心线(作为参考线粗解)。
    2. SQP 优化器处理。
    3. 以左右路沿为边界约束。
    4. 最终优化输出平滑的 B 样条曲线作为静态轨迹。
  • 换道: 同时生成 current (当前)、left (左侧)、right (右侧) 三条属性的参考线。换道时,切换目标参考线,当下游横向规划使自车位置 l 收敛到 0 时,即完成换道。

2. 特殊工况 (匝道、分流、路口)

  • 核心方案: 采用三段式参考线拼接方式。
  • 三段式构成:
    1. 第一段 (历史): 自车已驶过的历史参考线 (硬约束,位置固定)。
    2. 第二段 (远端): 远端目标点 (时距根据车道紊乱程度可调)。
    3. 第三段 (连接): 贝塞尔曲线,用于平滑连接历史参考线与远端参考线。
  • 优化补充: 拼接后的长点链仍需经优化器平滑。额外增加了曲率、heading 与历史帧一致的约束,以避免参考线近端大幅变化,导致控车画龙或猛打方向。

3. 不同场景的“远端目标点”来源

  • 高速/匝道 (曲率大): 感知距离有限,采用高清地图 (HD Map) 中心线作为目标点引导。
  • 城区一分二 (感知可覆盖): 车速低,无需长距离规划。筛选候选车道区域,为每条远端车道生成参考线。无导航时选最平滑直线;有导航时按对应方向选择。
  • 过路口 (远端感知缺失):
    • 利用 HA 轻地图提供的路口退出点局部坐标。
    • 设计了三个状态机轮转切换 (平行车道 → HA 引导 → 感知引导 → 平行车道),解决感知缺失问题。

🔧 技术细节 (二): 参考线修正 (V1-V3 迭代)

重点讨论了如何解决轻地图的偏差 (0.5-1m 宽度偏差, 5-10m 横向位置偏差)。

  • V1 (路沿修正):
    • 逻辑: 用感知到的路沿信息,与轻地图车道边界匹配,修正偏出路外的大幅偏差。
    • 局限: 对路内偏差修正效果差;若地图道线与路沿间有非机动车道,会导致匹配偏差。
  • V2 (道线修正):
    • 逻辑: 结合轻地图车道属性与已感知道线信息,预配准并调整车道宽度。
    • 操作: 若轻地图给出异常宽度 (如三车道误判为 9 米超宽车道),则完全摒弃地图信息,基于感知重新拟定车道宽度。
  • V3 (对向停止线修正):
    • 场景: 适用于急右转、道线与路沿感知较晚的场景,避免侵入对向车道。
    • 规则: 仅在轻地图车道侵入对向停止线时进行 “推送修正” (不主动 “拉拽”)。优先以停止线附近的黄线、路沿、栅栏等作为边界。

🔧 技术细节 (三): 车道决策

  • 常规车道决策:
    • 过滤重复与对向车道,以黄线/栅栏为左边界、路沿为右边界,确定当前车道 index
    • 根据轻地图转向信息,判断目标车道 index,发起换道意图。
  • 选道功能 (一分二场景):
    • 适用于近距离需切换车道的场景。
    • 根据感知道线筛选候选区域,直接将参考线连接至目标车道,无需常规换道流程。
  • 强制换道方案 (跨多车道):
    • 方案一 (参考线直连): 并行生成两条参考线(当前直行、直接连接目标)。下游检查碰撞风险,风险高则直行错过路口(或报接管)。缺点是轨迹固定,非最优。
    • 方案二 (大规模采样): 从当前位置到目标位置进行大规模轨迹采样 (含速度与横向位置地推),剪枝剔除不安全轨迹,从剩余轨迹中选择评价最优的执行。
    • 兜底: 若所有采样均有风险,触发 Fallback 机制返回原车道。

⚙️ 疑难问题处理与迭代流程

1. 抖动与猛打问题

  • 猛打定义: 0.5 秒内方向盘转角达 60-100 度;或轨迹横向加速度过大。
  • 画龙定义: 车辆缓慢左右摆动,偏离预期直线。
  • 优化: 规划侧保证近端轨迹稳定,控制侧设置方向盘转速硬限制。采样轨迹时对原始轨迹设置 cost 防抖,新轨迹无明显优势时沿用历史轨迹。
  • 现存痛点: 规控侧与控制侧无明确责任划分阈值,存在问题扯皮,目前主要由规划侧主导优化。

2. 问题闭环处理流程 (JIRA 问题)

  1. 客户提出 JIRA 问题,每日表格跟踪。
  2. 大负责人分配给具体责任人。
  3. 责任人 1 日内完成分析、出方案。
  4. 修改代码后,通过数据回灌验证效果。
  5. 测试团队小范围验证,提交至 daily build
  6. 合入稳定版 (release) 后,提请客户复测,通过后关闭问题。

💬 未来技术方向与岗位沟通

1. 个人技术诉求 (我的提问)

  • 核心诉求: 希望采用时空联合 (XYT)、基于学习的前沿技术栈,优化当前横纵向解耦方案的局限性。
  • 个人认知: 时空联合优点是能在三维空间获更优解;缺点是计算性能消耗大。

2. MMT 技术路线 (面试官解答)

  • 并行发展: 时空联合规划端到端学习 并行推进。端到端模型输出轨迹后,下游仍需平滑处理与安全兜底,不会完全替代传统优化。
  • 决策逻辑: 决策环节已实现纯模型驱动
  • 端到端方案: 模型从图像输入,直接输出包含横纵向信息的轨迹与决策。下游仅在存在碰撞风险时调整决策,保障安全性。

3. 团队与岗位信息

  • 团队规模: 规控相关团队整体达数百人,面试对应团队约 30 人。
  • 岗位定位: 规划特色岗 (后续是否侧重模型或下游规划,需再定)。
  • 应用场景: 主要面向园区 AVP 车型,速度限制在 25KM/H 以下,场景为非结构化道路 (园区通行与停车场)。

🎙️ 豆包面试总结

  • 考察形式: 纯粹的项目深挖,全程高强度对技术细节。
  • 考察重点: 参考线生成、特殊工况处理、问题迭代闭环、对方案局限性的思考。
  • 个人感受: 整体状态较紧张,但基本都答上来了。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
mindmap
root((CX835项目面试核心信息))
一、会议基本信息
时间:约45分钟(超时5分钟)
参会人:面试官(A)、面试者(B)
主题:项目沟通+岗位解答
二、项目经历核心内容
基础信息
入职:2023.7(校招)
项目:CX835城市领航辅助驾驶
工作:横向规划+参考线开发
核心方案架构
数据输入:定位+感知+建图+HA轻地图
规划逻辑:静态参考线→动态绕行→横纵向解耦规划
参考线生成
标准工况:建图中心线→三条参考线→SQP优化→b样条曲线
特殊工况:三段式拼接(历史+贝塞尔+远端)→约束优化
目标点来源:高速(高清图)、城区(感知)、路口(HA图)
参考线修正方案
V1(路沿修正):匹配感知路沿→修正大幅偏差
V2(道线修正):3-5米阈值→猜宽度→弃异常地图
V3(停止线修正):侵入推送→优先分割线→验有效性
方案指标与迭代
指标:V1(不冲路沿)V2(平顺率)V3(正常行驶比例)
迭代:自测→daily build→release发布
车道决策功能
常规决策:识index→发起换道→防抖+可行性检查
选道:一分二场景→直连目标车道参考线
强制换道:双方案+fallback兜底
抖动/猛打处理
定义:猛打(转角+加速度)、画龙(轨迹摆动)
优化:规划稳轨迹+控制限转速+轨迹防抖
问题:规控无明确责任阈值
问题闭环流程
收集:客户提Gr问题→表格记录
处理:分配→1日分析→改代码+回灌
验证:小测→daily build→客户复测→关闭
三、未来技术与岗位信息
面试者诉求
方向:时空联合、基于学习的规划
时空联合:优点(三维优解)、缺点(计算消耗大)
岗位解答
技术路线:时空联合+端到端并行→下游平滑/兜底
决策逻辑:纯模型驱动→下游安全调整
团队规模:规控数百人,目标团队约30人
岗位定位:规划特色岗→后续定方向
应用场景:园区AVP→25KM/H以下+非结构化道路
四、面试收尾
反馈:未考coding,面试者较紧张
结束:双方致谢,沟通终止
本文作者:战斗包子
本文链接:https://paipai121.github.io/2025/11/07/工作/面试/Momenta面试/
版权声明:本文采用 CC BY-NC-SA 3.0 CN 协议进行许可