元戎啟行自動駕駛控制算法面試經歷：MPC+車輛動力學+軌跡跟踪全考察

背景介紹

我是在一家自動駕駛公司做了2年控制算法工程師，主要做MPC和軌跡跟踪。元戎啟行一直是我特別想去的公司，他們在L4自動駕駛控制方面的技術積累非常深厚，尤其是MPC和車輛動力學的結合做得很好。今年5月看到他們在招控制算法工程師，我馬上就投了。

準備這個面試我花了差不多三週時間，把控制理論、MPC、車輛動力學、軌跡跟踪這些知識點全部過了一遍。尤其是MPC的各種變種（線性MPC、非線性MPC、時變MPC）和車輛動力學模型（運動學模型、動力學模型、輪胎模型），這些是面試的重點。

面試流程是三輪技術面，下面詳細復盤每一輪。

面試流程復盤

一面：控制理論+MPC

一面是個看起來很年輕的工程師，後來知道是控制組的。開場先讓我自我介紹，然後直接開始問控制理論。

1. PID控制和MPC的區別？MPC有什麼優勢？

我說PID是反饋控制，根據當前誤差計算控制量，無法處理約束和預見未來；MPC是預測控制，通過模型預測未來狀態，在滿足約束的前提下優化控制序列。MPC的優勢主要有三個：一是可以顯式處理輸入和狀態約束；二是可以預見未來參考軌跡，提前做出響應；三是可以處理多輸入多輸出（MIMO）系統。

2. MPC的預測時域和控制時域怎麼選擇？

我說預測時域Np決定了MPC能「看到」多遠的未來，Np越大控制性能越好但計算量也越大；控制時域Nc決定了優化變量的數量，Nc通常小於Np，Nc之後的控制量保持不變。一般Np取3-5秒，Nc取1-2秒，具體需要根據控制頻率和系統動態特性來調。在實際項目中，我們用的是Np=50步、Nc=20步，控制頻率50Hz。

3. 線性MPC和非線性MPC的區別？什麼時候用非線性MPC？

我說線性MPC用線性模型做預測，優化問題是凸的，可以用QP求解器高效求解；非線性MPC用非線性模型做預測，優化問題是非凸的，需要用SQP或內點法求解，計算量更大。非線性MPC適用於系統動態非線性較強的場景，比如高速大曲率轉彎、極限工況等。我們在實際項目中，低速場景用運動學模型+線性MPC就夠了，高速場景需要動力學模型+非線性MPC。

4. MPC的求解器有哪些？你們用的哪個？

我說常用的求解器有OSQP（QP問題）、qpOASES（QP問題）、IPOPT（NLP問題）、ACADOS（快速NMPC框架）等。我們用的是OSQP做線性MPC，ACADOS做非線性MPC。ACADOS的優勢是可以生成C代碼，在嵌入式平台上運行效率很高。

5. MPC的穩定性怎麼保證？

我說MPC的穩定性保證主要有兩種方法：一是終端約束法，在預測時域末端加入終端約束和終端代價，保證閉環穩定性；二是足夠長的預測時域，當Np足夠大時，MPC的穩定性可以自然保證。我們實際用的是終端約束法，在預測時域末端加入一個終端橢圓約束，保證狀態收斂到目標點附近。

6. MPC的計算延遲怎麼處理？

我說計算延遲是MPC在實際應用中的一個重要問題。如果求解時間超過控制週期，控制量就不能及時更新。我們的處理方式有兩個：一是用warm start，用上一時刻的解作為當前時刻的初始值，大幅減少迭代次數；二是設置最大求解時間，如果超時就用上一步的解做一步前向傳播作為當前控制量。另外我們也在探索顯式MPC，把優化問題離線求解成分段仿射函數，在線只需要查表。

一面大概1小時，面試官對MPC問得很細，幸好我之前做過不少MPC項目，答得還算流暢。

二面：車輛動力學+軌跡跟踪

二面是個資深工程師，一上來就問車輛動力學和軌跡跟踪。

1. 車輛運動學模型和動力學模型的區別？

我說運動學模型只考慮幾何關係，不考慮力和力矩，假設車輪無側滑。最常用的是自行車運動學模型，狀態量是[x, y, ψ, v]，控制量是[δ, a]。動力學模型考慮了輪胎力、側偏角等物理量，能更準確地描述車輛動態。最常用的是自行車動力學模型，狀態量多了側偏角β和橫擺角速度r，控制量還是[δ, a]。

2. 輪胎模型有哪些？Pacejka魔術公式怎麼用？

我說輪胎模型主要有線性輪胎模型、Pacejka魔術公式、Dugoff模型等。線性輪胎模型假設側偏力與側偏角成正比，適用於小側偏角工況；Pacejka魔術公式是經驗模型，用正弦函數擬合輪胎力特性，精度高但參數多；Dugoff模型是解析模型，考慮了輪胎力的飽和特性。我們在MPC中用的是Pacejka魔術公式做非線性MPC，用線性輪胎模型做線性MPC。

3. 軌跡跟踪的誤差怎麼定義？

我說軌跡跟踪誤差主要有橫向誤差、航向誤差和曲率誤差。橫向誤差是車輛質心到參考軌跡的最短距離；航向誤差是車輛航向角和參考航向角的差值；曲率誤差是車輛實際曲率和參考曲率的差值。在Frenet坐標系下，橫向誤差就是d，航向誤差就是Δψ。

4. Stanley方法和Pure Pursuit方法的區別？

我說Stanley方法是前輪反饋控制，根據前輪到參考軌跡的橫向誤差和航向誤差計算轉向角，優點是低速跟踪精度高，缺點是高速容易振蕩；Pure Pursuit方法是後輪跟隨控制，根據後輪到前方一個預瞄點的橫向誤差計算轉向角，優點是高速穩定性好，缺點是低速跟踪精度差、轉彎有內切現象。我們在實際項目中，低速用Stanley，高速用Pure Pursuit，中間速度做平滑切換。

5. MPC做軌跡跟踪和Stanley/Pure Pursuit相比有什麼優勢？

我說MPC的優勢主要有三個：一是可以顯式處理約束（轉向角限幅、加速度限幅等），Stanley和Pure Pursuit只能事後限幅；二是可以預見未來參考軌跡，提前做出響應，在曲率變化大的地方表現更好；三是可以同時優化縱向和橫向控制，Stanley和Pure Pursuit只能做橫向控制。但MPC的缺點是計算量大，實時性不如Stanley和Pure Pursuit。

6. 高速場景下的軌跡跟踪有什麼特殊挑戰？

我說高速場景的特殊挑戰有三個：一是車輛動態的非線性增強，大側偏角下輪胎力會飽和，線性模型不再適用；二是控制延遲的影響更大，高速下很小的延遲都會導致明顯的跟踪誤差；三是安全性要求更高，高速下控制失誤的後果更嚴重。我們在高速場景下用非線性MPC+動力學模型，並且加入了輪胎力飽和約束，保證控制量不超過輪胎的物理極限。

二面大概1小時15分鐘，面試官對車輛動力學問得很深入，尤其是輪胎模型和高速場景的處理，我答得還行但有些細節不太確定。

三面：項目深挖+實車調試

三面是控制組的tech lead，很有經驗，面試更像技術交流。

他先讓我講了一個最複雜的項目，我講了我們在高速場景下的MPC軌跡跟踪項目。然後他開始深挖：

1. 你們MPC的控制頻率是多少？求解時間是多少？

我說控制頻率是50Hz，即每20ms需要完成一次MPC求解。實際求解時間大概5-8ms（線性MPC）和10-15ms（非線性MPC），留了足夠的餘量。如果求解超時，會回退到上一幀的解做一步前向傳播。

2. 實車調試和仿真調試有什麼區別？

我說最大的區別是仿真是確定性的，同樣的輸入總是得到同樣的輸出；但實車有很多不確定性，比如路面附著係數變化、風阻變化、車輛參數偏差等。仿真調好的參數在實車上往往需要微調，尤其是MPC的權重矩陣和約束參數。另外實車調試還需要考慮安全性，不能直接上極限工況，需要循序漸進。

3. 實車調試中遇到最難的問題是什麼？

我說最難的是低附著路面（冰雪路面）的控制。在低附著路面上，輪胎力很容易飽和，MPC的模型預測會嚴重偏離實際，導致控制失效。我們的解決方案是在MPC中加入了路面附著係數的在線估計，根據估計值調整輪胎力約束。另外在檢測到低附著路面時，會自動降低目標速度和加速度，增加安全餘量。

4. 你們怎麼處理不同駕駛員的駕駛風格？

我說我們提供了舒適、標準、運動三種駕駛模式，通過調整MPC的權重矩陣來改變駕駛風格。舒適模式加大加速度和jerk的懲罰，運動模式減小這些懲罰但增加跟踪精度的權重。另外我們也在探索個性化MPC，根據駕駛員的歷史操作數據自動調整權重。

5. 控制系統的安全性怎麼保證？

我說安全性保證主要靠三層：第一層是MPC內部的約束，保證控制量不超過物理極限；第二層是監控層，實時檢查控制量和狀態量是否在安全範圍內，如果越界就觸發安全響應；第三層是硬件安全層，有獨立的ASIL-D級別監控芯片，在控制層失效時執行緊急停車。三層安全架構確保即使軟件出bug，車輛也不會失控。

6. 你覺得自動駕駛控制最大的挑戰是什麼？

我說我覺得最大的挑戰是極端工況的控制。正常工況下MPC已經做得很好了，但在極端工況（低附著、高速急轉、緊急避障）下，車輛動態高度非線性，模型預測的準確性大幅下降，控制性能也跟著下降。如何在極端工況下保證安全性和穩定性，是控制算法最大的挑戰。

三面聊了1個多小時，面試官對實車調試和安全設計特別感興趣。最後他問我有什麼問題，我問了元戎啟行在極端工況控制方面的最新進展，他提到了一些關於模型預測控制和強化學習結合的工作，很有意思。

真題彙總

控制理論部分：

1. PID和MPC的區別？MPC的優勢？

2. MPC的預測時域和控制時域選擇？

3. 線性MPC和非線性MPC的區別和適用場景？

4. MPC的求解器和選擇？

5. MPC的穩定性保證方法？

6. MPC的計算延遲處理？

車輛動力學部分：

7. 運動學模型和動力學模型的區別？

8. 輪胎模型和Pacejka魔術公式？

軌跡跟踪部分：

9. 軌跡跟踪誤差的定義？

10. Stanley和Pure Pursuit方法的區別？

11. MPC做軌跡跟踪的優勢？

12. 高速場景軌跡跟踪的挑戰？

實車調試部分：

13. MPC的控制頻率和求解時間？

14. 實車調試和仿真調試的區別？

15. 低附著路面的控制挑戰？

16. 不同駕駛風格的處理？

17. 控制系統的安全性保證？

18. 自動駕駛控制的最大挑戰？

心得建議

1. MPC必須深入理解：不只是會用求解器，還要理解MPC的數學原理（優化問題建模、約束處理、穩定性分析），面試官會從原理層面追問。

2. 車輛動力學是重點：運動學模型、動力學模型、輪胎模型這些必須能推導，面試官會讓你現場推導公式。

3. 軌跡跟踪方法要對比：Stanley、Pure Pursuit、MPC三種方法的優缺點和適用場景必須清楚，面試官喜歡問對比題。

4. 實車經驗是加分項：如果你有實車調試經驗，一定要講出來，面試官非常看重實際工程能力。

5. 安全性設計是必考：自動駕駛控制的安全性怎麼保證，這個問題幾乎必問，一定要準備好。

6. 準備時間建議3週：如果你有2年左右的控制算法經驗，3週的集中準備應該夠了。重點復習MPC、車輛動力學、軌跡跟踪三個方向。

FAQ

Q：元戎啟行的控制算法面試難度怎麼樣？

A：挺難的，尤其是二面和三面。一面偏理論，二面偏動力學深度，三面偏實車調試和安全設計。整體難度在自動駕駛公司裡屬於中上水平。

Q：面試官會讓我現場推公式嗎？

A：會的，二面讓我推導了自行車動力學模型的狀態空間方程。建議把關鍵模型的推導過程練幾遍，能流利地寫出來。

Q：需要有實車經驗嗎？

A：不是必須的，但有實車經驗會加分很多。如果沒有實車經驗，至少要對實車調試的流程和挑戰有所了解。

Q：薪資大概什麼水平？

A：控制算法崗的base大概在35-50k之間，具體看級別和談的情況。

Q：面試結果多久出來？

A：我是一面後3天收到二面通知，二面後5天收到三面通知，三面後1週多收到offer。