【面试】2022秋招自动驾驶决策规划控制岗位面试总结

随着秋招走向尾声，这边总结一下当时记录的部分企业的面试过程吧。
我学习期间的研究方向是深度强化学习，所以项目经历都与强化学习相关，面试官问项目时也会往这方向考察。

鉴智机器人

面试岗位：决策规划岗位

笔试

笔试出的是力扣原题。2道中等难度+1道困难题。

一面

• DDPG，TD3算法流程，区别
• 路径规划算法了解的讲一下
• 强化学习落地难，你的看法
• 控制就业方向窄，建议转决策

二面

• A星算法介绍以及实际应用的优缺点，如何解决。在搜索的时候有什么技巧？
• SAC的梯度传递方式
• 参数正则化trick
• 强化学习落地难的看法
• 模仿学习了解
• 控制障碍函数的使用与势场法有什么区别
• 混合A星
• Lattice规划

总结

当时鉴智机器人是最早面试的几个公司之一，所以体验并非很好，不出意外在二面阶段就挂了。

暴露出的问题：对基础掌握不扎实，底层不够了解，优缺点也不够了解。

亿嘉和

岗位：机器人规划控制岗位

一面

• MPC和LQR比较
• 优化算法
• C++容器
• ROS基础
• ROS话题并行串行
• Node间的通信有哪几种
• 感知定位
• 了解什么自动驾驶开源方案
• 强化学习落地很难，目前只有在四足机器人上的效果比得上传统控制，那你觉得强化学习有什么优势？

总结

亿嘉和的面试非常简单，无笔试环节，仅一面就hr面了。面试官问的重点偏向编写语言知识方面，没有询问项目。

科大讯飞

岗位：自然语言处理——智能语音方向

笔试

科大讯飞的笔试还是不简单的，选择题+3道编程题。
编程题出了一道实现K-means算法的题。

一面

• 问项目
• 问强化学习知识点
  • 各种常用的强化学习算法的原理
  • 机器学习过拟合、欠拟合知识点

二面

• 主要问项目

总结

科大讯飞原本报的岗位是决策规划岗位，后来被转到了智能语言方向进行面试。科大讯飞的面试相对来说还是非常简单的，单纯的询问项目和一些知识点问答。不过二面时面试官问我期望薪资多少，我当时并不知道他们能开的是多少，所以随意说了一个较高的数字，然后就没下文了。。

地平线

一面

2022.8.19

• 问项目

• 做一道数学题：给一个多项式式子，化成二次型表示
  $$\begin{gathered} f\left(x_1,x_2,x_3\right)={\left(x_1-1\right)}^2+{\left(x_2-2\right)}^2+{\left(x_3-3\right)}^2+{\left(x_1-x_2\right)}^2+{\left(x_2-x_3\right)}^2 \\ {x}_1,x_2,x_3\in \mathbf{R} \end{gathered}$$

  • 将该函数写成矩阵和向量的二次型形式。
  • 该函数取最小值的充分必要条件是？

• coding环节：已知一条线段两端点坐标A，B以及一点C，求点C到线段AB的投影点坐标。

• 意向地

• 职业规划

二面

2022.8.26

总结

地平线是比较可惜的，二面一开始先做题目，由于我当时没写出来，所以面试官直接通知很遗憾了。。

蔚来

岗位：自动驾驶规划控制岗位

笔试

笔试比较简单，选择题+3道编程题，编程题是力扣题目。

一面

问答

• 介绍自己。
• 介绍强化学习怎么用的。
• 强化学习用作参数拟合做过吗？
• 说一些自动驾驶的强化学习的应用
• 强化学习与经典方法的优劣
• PID算法阐述
• 积分饱和现象怎么解决
• LQR原理
• PID与LQR的区别
• MPC原理
• MPC与LQR区别
• QP的原理
• 模型的参数辨识有了解过吗
• 汽车动力学模型知识点–车轮的侧偏力
• MPC或LQR在动力学模型上应用有熟悉吗？
• 无人机项目相关
• 强化学习与经典方法哪种方式比较好
• 目前为什么使用MPC在汽车上的比较少？
• 最优控制与强化学习的联系与区别

手撕代码题

• C++实现PID类，需要包含积分饱和的处理。

二面

主要问我的项目。

• 无人车项目经历
  • 修正的过程？
  • 二次规划目标函数？
  • 与传统控制方法的对比有吗？
  • 结果对比
• 飞机失控研究项目
  • 效果怎么样
  • 输入输出？
  • 神经网络输入输出
  • Q函数是拟合出来的吗
• MBRL
  • MPC怎么使用的
  • 为什么要使用RL？这样建模很多是无法保证的
• 做飞行器和汽车而言，主要差别在哪里？如果要进入这个行业，要从哪几个方面补课呢？
• 每年新兴的算法都很多，工业界用的算法都很保守，你觉得原因是什么？
• 自动驾驶决策难点在哪里？
  • 无人机决策难点在哪里？控制频率和通信频率

总结

蔚来也是面的较早的一批，大概8月份左右，当时做的准备不够充足，二面半小时就结束了。非常可惜。。。

文远

岗位：自动驾驶决策规划岗位

一面

2022.9.13

项目

• 安全强化学习运动规划
  • 使用普通规划方法与CBF结合不行吗
    • 如果在无干扰和延时的情况下是可以的，但是面对工况比较复杂时，RL的优势就体现出来了。
• 融合物理对称性的MBRL
  • 对称性含义

coding

• 求平方根
  • 牛顿法的复杂度
• 求矩阵的最长递增路径长度
  • dfs
  • dp搜索方向

总结

文远的一面手撕代码只写出来一道，第二道题没写出来，所以没了。。所以题还是得多练，一般手撕题都是力扣原题或者类似的题。

滴滴

岗位：自动驾驶决策规划岗位

提前批无笔试。

滴滴提前批一面（40分钟）

20220826

• 自我介绍

• 项目：飞机失控和安全强化学习

  • reward怎么设计的
  • 稳定性哟普理论证明嘛
  • 对比传统方法优点

• 项目：安全强化学习

  • 怎么保证安全的
  • CBF硬约束还是软约束？
  • CBF如何加入到RL训练中的
  • 怎么通过二次规划
  • 约束怎么给，怎么保证是凸约束
  • 求解失败怎么办，如何提高算法求解成功率
  • 怎么调整安全阈值的

• 手撕代码：找到 K 个最接近的元素

滴滴提前批二面（40分钟）

20220826

• 面试官介绍
  • 行为规划
  • 逻辑回归
  • rule-based 使用率：70-80%
  • 优化 使用率：10-20%
  • 数据驱动：10-20%
  • 控制、规划、交互决策
• 项目：安全强化学习
  • 控制障碍函数形式
  • 如何结合
  • 控制障碍函数的输入
  • 二次规划目标函数和约束是什么
  • collision cone
• vector
  • vector底层
  • push_back实现原理
  • 原生数组有什么缺点
  • size()和capacity()区别
  • public,protected,private
  • 手撕：实现push_back函数

滴滴提前批三面（50分钟）

20220901

• 问项目（30多分钟）
• 做题：给了一道寻找起点到终点的所有路径的编程题

滴滴提前批四面（30分钟）

20220909

• 单纯问项目

总结

滴滴大概是我最遗憾的，一路走到了四面，应该是sp了，前面三面面试都挺顺利，可惜最后一面答得不是很好，然后就泡池子无下文了。

以上是当时有记录的一些企业，另外还有面的其它企业当时忘记记录了，现在也已经想不起来当时面试内容是什么。这次秋招总体来看对于我而言是失败的秋招，想去的企业都没有通过，最后接了点击就送的BYD，目前来看算是躺平了，相比其他人来说薪资水平已经远远不在一个起跑线上，只希望自己在入职之后能够生活得很好吧。

最后，附上我当时投递的公司列表：