理想汽車自動駕駛算法面試經歷：感知+規劃+控制全鏈路考察

背景介紹

先說下我的情況吧，985碩畢業，在一家自動駕駛創業公司幹了兩年，主要做感知算法這塊，日常就是和點雲、影像打交道。今年年初開始看機會，理想汽車一直在我的目標列表裡——畢竟新勢力裡做增程式自動駕駛的，技術路線挺有想法的，而且他們那個AD Max系統確實有點東西。

投簡歷是在Boss上直接找的HR，大概三天後就收到了電話，約了面試時間。整個流程大概持續了三週，三輪技術面+一輪HR面，節奏還算緊湊。下面我就按輪次詳細復盤一下。

面試流程復盤

一面：CV感知+目標檢測（約1.5小時）

一面面試官是個看起來很年輕的小哥，後來才知道是感知組的tech lead。開場先讓我自我介紹，然後直接進入技術環節。

他先問了我目前項目裡用的檢測算法，我說是基於BEV的3D目標檢測，用的BEVFormer。他追問了BEVFormer的核心思路，我從spatial attention機制開始講，講到如何把2D特徵lift到3D BEV空間，再到temporal fusion怎麼做的。他聽完後點了點頭，然後問了一個很刁鑽的問題：BEVFormer在遠處目標的檢測精度下降很厲害，你們有沒有做過什麼改進？

這個問題我確實踩過坑，當時我們用multi-scale feature fusion來緩解遠距離特徵稀疏的問題，還加了一個distance-aware的loss權重。我把這些細節都講了出來，面試官明顯來了興趣，又追問了loss設計的具體公式。

接下來是手撕代碼環節，題目是：給定一組2D bounding box和對應的camera extrinsic/intrinsic矩陣，實現一個簡單的frustum-based偽3D檢測。這道題不算難，但細節很多，尤其是坐標變換那塊容易出錯。我大概花了25分鐘寫完，面試官看了下說邏輯沒問題，但讓我考慮一下edge case——比如box超出影像邊界的情況。

最後聊了大概15分鐘的項目細節，主要是數據標註流程和模型部署的事情。一面整體感覺還不錯，面試官很專業，問題也都在點子上。

二面：規劃算法+決策樹（約1.5小時）

二面是個資深工程師，一上來就給我畫了個場景：高速公路上，自車在中間車道，前方100米有慢車，左車道有車正在變道過來，右車道空著，問規劃模組怎麼處理？

這個場景其實挺經典的。我從場景理解開始分析，講到behavior prediction對周圍車輛的軌跡預測，然後是decision making層怎麼用決策樹或者POMDP來做決策，最後是motion planning怎麼生成具體的軌跡。面試官聽完後追問：如果左車突然加速變道完成，你的決策樹怎麼處理這種動態變化？

我說這需要在每個planning cycle重新評估，決策樹的葉子節點需要考慮時序變化，可以用rolling horizon的方式來做。他又問：rolling horizon的horizon長度怎麼確定？太短和太長各有什麼問題？這個我之前確實思考過，太短會導致規劃短視，太長會增加計算量且預測不準確，一般取3-5秒比較合適。

代碼題是：實現一個簡單的lattice planner，給定起點和終點，生成候選軌跡集合並用cost function排序。這個我之前實現過類似的東西，所以寫得比較快。但面試官讓我詳細解釋cost function的設計，包括舒適性、安全性、效率性各項權重怎麼調的，這部分聊了很久。

二面感覺比一面更有深度，面試官會不斷追問直到你答不上來為止，但不會讓你覺得被刁難，更像是在一起探討問題。

三面：項目深挖+系統設計（約2小時）

三面是部門總監面的，氣場很強但說話很溫和。他先讓我完整講一個做過的項目，我選了之前做的多模態融合感知項目。講的過程中他不斷打斷提問：

你們的融合策略是early fusion還是late fusion？為什麼這麼選？

激光雷達和攝像頭的時間同步怎麼做的？誤差在什麼級別？

如果某個傳感器突然失效，系統怎麼graceful degradation？

這些問題一個比一個深，尤其是傳感器失效那塊，我之前只考慮過簡單的fallback策略，他讓我從系統架構層面重新思考，包括如何做sensor health monitoring、如何在感知層做uncertainty estimation來指導下游決策。

系統設計題是：設計一個城區NOA的感知-規劃-控制全鏈路系統，需要考慮哪些模組？各模組之間如何通信？延遲要求是什麼？

這個題很大，我從系統架構圖開始畫，講了感知模組的輸出格式和頻率、規劃模組的輸入輸出、控制模組的執行頻率，以及中間的message passing機制。他特別關注延遲——從感知到控制的端到端延遲要求是多少？你們怎麼保證？我說感知大概50ms，規劃30ms，控制10ms，總共90ms左右，通過pipeline並行和GPU加速來保證。

三面結束後我整個人都虛脫了，但同時也覺得收穫很大，面試官的問題確實讓我重新審視了很多之前沒深入思考過的點。

真題彙總

1. BEVFormer的核心思路是什麼？spatial attention怎麼實現的？

2. 遠距離目標檢測精度下降的原因和改進方案？

3. 給定2D bbox和相機參數，實現frustum-based偽3D檢測

4. 高速場景下規劃模組如何處理周圍車輛的動態變化？

5. Rolling horizon的horizon長度如何確定？

6. 實現lattice planner，設計cost function

7. Early fusion vs late fusion的優缺點？

8. 多傳感器時間同步方案？

9. 傳感器失效時的graceful degradation策略？

10. 城區NOA全鏈路系統設計：模組劃分、通信機制、延遲要求

心得建議

第一，基礎一定要扎實。理想汽車的面試不會考你什麼奇技淫巧，但基礎概念必須真正理解，不是背個八股就行的。比如BEV的spatial attention，你得能從數學原理講到工程實現，中間不能有斷層。

第二，項目經驗要能講出深度。面試官特別在意你是否真正理解自己做的項目，而不只是跑了個模型。每個技術選型的原因、踩過的坑、做過的改進，都要能說清楚。

第三，系統思維很重要。尤其是三面，面試官關注的是你對整個系統的理解，而不只是某個模組。自動駕駛是一個系統工程，感知、規劃、控制是緊密耦合的，你得能從全局視角看問題。

第四，手撕代碼不能拉胯。雖然不是純算法崗那種難度，但代碼題都是和業務強相關的，而且要求你邊寫邊解釋思路，所以平時得多練。

第五，保持冷靜和誠實。不會的就說不會，面試官其實更看重你的思考過程。我有幾個問題答得不太好，但我說了我的思路和猜測，面試官也給了正面的反饋。

FAQ

Q：理想汽車自動駕駛部門的工作強度如何？

A：面試過程中了解到，加班是常態，尤其是項目衝刺期。但相比一些創業公司，節奏還算可控，週末一般不加班。

Q：面試語言是中文還是英文？

A：全程中文，技術術語用英文就行，不需要英文面試。

Q：對學歷有什麼要求？

A：感知算法崗基本要求碩士以上，規劃控制崗本科也有機會，但需要有扎實的項目經驗。

Q：面試結果多久出？

A：我是一面後3天約二面，二面後5天約三面，三面後一週出結果，整體大概三週。

Q：薪資水平怎麼樣？

A：2年經驗的話，總包大概在50-70w之間，具體看面試表現和定級。股票部分佔比不小，但鎖定期比較長。