一个合资L2公司的面试

一面

📌 讨论核心模块与要点

1. 个人经历与参考线项目介绍

• 基本信息： 2024年毕业加入经纬恒润，担任算法工程师。
• 项目职责： 负责城市领航辅助驾驶项目中的参考线算法开发。
• 参考线模块目标： 在不考虑动态障碍物的情况下，生成全局坐标系下的轨迹供下游规划使用。
• 参考线生成分类：
  • 平行车道： 通过道线拟合生成中心线。
  • 路口场景： 采用三段式拼接（近端车道、贝塞尔曲线、远端车道）生成。
• 路口场景处理：
  • 利用轻地图提供引导信息。
  • 结合感知信息逐步切换至感知车道。
  • 设计状态机实现闭环转换。
  • 优化： 利用路沿和停止线信息修正车道位置，提升路口通过性能。

2. 参考线优化与约束设计

• 优化方法： 采用 QP（Sequential Quadratic Programming）。
• 目标函数（Cost）：
  • 位置 Cost：靠近粗解点。
  • 二阶导数 Cost：保证平滑性。
• 约束设计：
  • 位置约束、Heading约束。
  • 曲率约束： 通过线性化处理，仅在部分点（如 heading 约束点）施加，以确保近端稳定性。
  • 路口远端引导： 远端车道通过软约束（位置和 heading）引导参考线靠近目标车道。

3. 换道决策与实现

• 换道意图来源： 基于轻地图的车道索引和导航信息。
• 换道条件： 必须通过静态检查（车道可用性）和动态检查（障碍物空间）后才能发起。
• 换道轨迹生成： 通过目标参考线切换和横向平滑规划实现。
• 存在问题： 纵向规划解耦可能导致调速不一致问题。

4. 横向与纵向规划细节

5. 性能优化与平台

• 规划模块总耗时： 约 100-110 毫秒 (ms)。
  • 参考线：40 ms
  • 横向：10 ms
  • 纵向：30 ms
• 优化措施： 并行化、代码重构、算法优化（如投影复杂度降低）。
• 开发平台/语言： Orin 平台，使用 C++ 实现。

6. 算法题解答

• 问题： 解决 4x4 网格最长路径问题。
• 方法： 动态规划（DP）。
• 状态转移： 基于向右/向下移动。
• 边界处理： 处理不可行区域和行列边界条件。

7. 求职意向与职业发展

• 离职原因： 公司管理混乱、技术停滞、频繁出差（今年 180天）。
• 求职方向： 希望参与时空联合规划或端到端规划方向。

8. 公司技术栈与项目进展

• 当前方案： 规则与模型并行。
  • 规则方案： 侧重轨迹决策优化。
  • 模型方案： 直接输出横向/纵向目标，通过行为解析选择最优轨迹。
• 项目进展：
  • 高速领航辅助：本月交付。
  • 城市无图方案：持续迭代模型能力。

二面

会议总结
这是一场关于自动驾驶技术规划模块的技术讨论会议。会议主要围绕自动驾驶系统中规划模块的设计架构、路口场景处理及预测轨迹应用等核心问题展开交流。双方探讨了现有方案的局限性，并对比了行业前沿技术趋势与量产落地的实际挑战。

自动驾驶规划模块架构

规划模块接收上游的定位、感知和地图信息，生成参考线并进行横向和纵向规划，最终输出给控制模块执行。
在平行车道场景下，通过道线拟合中心线生成参考线，换道时切换目标参考线并平滑生成换道轨迹。

路口场景处理

路口场景下，引入经济图方案，利用地图提供的局部车道信息引导车辆行驶，并结合感知信息进行修正。
通过感知信息（如路沿、停止线等）对地图车道进行修正，确保车辆行驶在正确的可通行区域。

预测轨迹的使用

预测模块输出障碍物的预测轨迹，下游规划模块信任预测轨迹，但对不可靠的预测进行过滤。
预测轨迹主要用于纵向规划，横向规划较少依赖预测信息。

时空联合规划

通过时空联合规划优化路口选道问题，采样多条横向轨迹并评估最优解，反馈给参考线生成模块。
时空联合规划方案仍在测试中，目标是解决路口博弈和效率问题。

技术框架与未来方向

当前框架依赖轻图和高精度地图，未来计划引入端到端模型提升泛化能力。
团队正在招聘人才，专注于后决策算法和场景理解，以支持明年量产项目。

HR面