理想汽车自动驾驶算法面试经历：感知+规划+控制全链路考察

背景介绍

先说下我的情况吧，985硕毕业，在一家自动驾驶创业公司干了两年，主要做感知算法这块，日常就是和点云、图像打交道。今年年初开始看机会，理想汽车一直在我的目标列表里——毕竟新势力里做增程式自动驾驶的，技术路线挺有想法的，而且他们那个AD Max系统确实有点东西。

投简历是在Boss上直接找的HR，大概三天后就收到了电话，约了面试时间。整个流程大概持续了三周，三轮技术面+一轮HR面，节奏还算紧凑。下面我就按轮次详细复盘一下。

面试流程复盘

一面：CV感知+目标检测（约1.5小时）

一面面试官是个看起来很年轻的小哥，后来才知道是感知组的tech lead。开场先让我自我介绍，然后直接进入技术环节。

他先问了我目前项目里用的检测算法，我说是基于BEV的3D目标检测，用的BEVFormer。他追问了BEVFormer的核心思路，我从spatial attention机制开始讲，讲到如何把2D特征lift到3D BEV空间，再到temporal fusion怎么做的。他听完后点了点头，然后问了一个很刁钻的问题：BEVFormer在远处目标的检测精度下降很厉害，你们有没有做过什么改进？

这个问题我确实踩过坑，当时我们用multi-scale feature fusion来缓解远距离特征稀疏的问题，还加了一个distance-aware的loss权重。我把这些细节都讲了出来，面试官明显来了兴趣，又追问了loss设计的具体公式。

接下来是手撕代码环节，题目是：给定一组2D bounding box和对应的camera extrinsic/intrinsic矩阵，实现一个简单的frustum-based伪3D检测。这道题不算难，但细节很多，尤其是坐标变换那块容易出错。我大概花了25分钟写完，面试官看了下说逻辑没问题，但让我考虑一下edge case——比如box超出图像边界的情况。

最后聊了大概15分钟的项目细节，主要是数据标注流程和模型部署的事情。一面整体感觉还不错，面试官很专业，问题也都在点子上。

二面：规划算法+决策树（约1.5小时）

二面是个资深工程师，一上来就给我画了个场景：高速公路上，自车在中间车道，前方100米有慢车，左车道有车正在变道过来，右车道空着，问规划模块怎么处理？

这个场景其实挺经典的。我从场景理解开始分析，讲到behavior prediction对周围车辆的轨迹预测，然后是decision making层怎么用决策树或者POMDP来做决策，最后是motion planning怎么生成具体的轨迹。面试官听完后追问：如果左车突然加速变道完成，你的决策树怎么处理这种动态变化？

我说这需要在每个planning cycle重新评估，决策树的叶子节点需要考虑时序变化，可以用rolling horizon的方式来做。他又问：rolling horizon的horizon长度怎么确定？太短和太长各有什么问题？这个我之前确实思考过，太短会导致规划短视，太长会增加计算量且预测不准确，一般取3-5秒比较合适。

代码题是：实现一个简单的lattice planner，给定起点和终点，生成候选轨迹集合并用cost function排序。这个我之前实现过类似的东西，所以写得比较快。但面试官让我详细解释cost function的设计，包括舒适性、安全性、效率性各项权重怎么调的，这部分聊了很久。

二面感觉比一面更有深度，面试官会不断追问直到你答不上来为止，但不会让你觉得被刁难，更像是在一起探讨问题。

三面：项目深挖+系统设计（约2小时）

三面是部门总监面的，气场很强但说话很温和。他先让我完整讲一个做过的项目，我选了之前做的多模态融合感知项目。讲的过程中他不断打断提问：

你们的融合策略是early fusion还是late fusion？为什么这么选？

激光雷达和摄像头的时间同步怎么做的？误差在什么级别？

如果某个传感器突然失效，系统怎么graceful degradation？

这些问题一个比一个深，尤其是传感器失效那块，我之前只考虑过简单的fallback策略，他让我从系统架构层面重新思考，包括如何做sensor health monitoring、如何在感知层做uncertainty estimation来指导下游决策。

系统设计题是：设计一个城区NOA的感知-规划-控制全链路系统，需要考虑哪些模块？各模块之间如何通信？延迟要求是什么？

这个题很大，我从系统架构图开始画，讲了感知模块的输出格式和频率、规划模块的输入输出、控制模块的执行频率，以及中间的message passing机制。他特别关注延迟——从感知到控制的端到端延迟要求是多少？你们怎么保证？我说感知大概50ms，规划30ms，控制10ms，总共90ms左右，通过pipeline并行和GPU加速来保证。

三面结束后我整个人都虚脱了，但同时也觉得收获很大，面试官的问题确实让我重新审视了很多之前没深入思考过的点。

真题汇总

1. BEVFormer的核心思路是什么？spatial attention怎么实现的？

2. 远距离目标检测精度下降的原因和改进方案？

3. 给定2D bbox和相机参数，实现frustum-based伪3D检测

4. 高速场景下规划模块如何处理周围车辆的动态变化？

5. Rolling horizon的horizon长度如何确定？

6. 实现lattice planner，设计cost function

7. Early fusion vs late fusion的优缺点？

8. 多传感器时间同步方案？

9. 传感器失效时的graceful degradation策略？

10. 城区NOA全链路系统设计：模块划分、通信机制、延迟要求

心得建议

第一，基础一定要扎实。理想汽车的面试不会考你什么奇技淫巧，但基础概念必须真正理解，不是背个八股就行的。比如BEV的spatial attention，你得能从数学原理讲到工程实现，中间不能有断层。

第二，项目经验要能讲出深度。面试官特别在意你是否真正理解自己做的项目，而不只是跑了个模型。每个技术选型的原因、踩过的坑、做过的改进，都要能说清楚。

第三，系统思维很重要。尤其是三面，面试官关注的是你对整个系统的理解，而不只是某个模块。自动驾驶是一个系统工程，感知、规划、控制是紧密耦合的，你得能从全局视角看问题。

第四，手撕代码不能拉胯。虽然不是纯算法岗那种难度，但代码题都是和业务强相关的，而且要求你边写边解释思路，所以平时得多练。

第五，保持冷静和诚实。不会的就说不会，面试官其实更看重你的思考过程。我有几个问题答得不太好，但我说了我的思路和猜测，面试官也给了正面的反馈。

FAQ

Q：理想汽车自动驾驶部门的工作强度如何？

A：面试过程中了解到，加班是常态，尤其是项目冲刺期。但相比一些创业公司，节奏还算可控，周末一般不加班。

Q：面试语言是中文还是英文？

A：全程中文，技术术语用英文就行，不需要英文面试。

Q：对学历有什么要求？

A：感知算法岗基本要求硕士以上，规划控制岗本科也有机会，但需要有扎实的项目经验。

Q：面试结果多久出？

A：我是一面后3天约二面，二面后5天约三面，三面后一周出结果，整体大概三周。

Q：薪资水平怎么样？

A：2年经验的话，总包大概在50-70w之间，具体看面试表现和定级。股票部分占比不小，但锁定期比较长。