自动驾驶

1. 项目描述：设计并实现了一套完整基于RK芯片-低时延ROS-大模型Agent-端到端机器人系统，涵盖ROS-高带宽数据-共享内存低时延通信优化，低时延端侧大模型 Agent 离线/在线双版本交互（离线版：ASR->Qwen3-0.6B微调-量化部署->Function Call指令遵循->TTS全流式链路；在线版：Qwen全家桶ASR->qwen-plus记忆推理->Function Call指令遵循->TTS全流式响应）、完整的低时延相机视觉处理全链路（V4L2相机驱动数据采集->RK-MPP/RGA硬件加速优化数据处理->多线程NPU推理加速YOLO模型目标检测->多传感器融合实现目标跟踪）、底盘运动控制、建图导航、STM32-MCU固件开发、工业化部署（自启动、Docker容器化部署）、端侧系统性能监控等核心模块。系统采用模块化架构，支持ROS1/ROS2通信切换，实现了高性能、低延迟的实时通信与数据处理能力。1.1 功能概述1. ROS-高带宽数据-共享内存低时延通信优化2. ROS1/ROS2通信切换，ROS1 VS ROS2 机器人时延性能分析3. 端侧大模型在线/离线部署-记忆-微调-量化-部署-机器人指令遵循4. 低时延相机视觉处理全链路：V4L2相机驱动数据采集->RK-MPP/RGA硬件加速优化数据处理->多线程NPU推理加速YOLO模型目标检测->多传感器融合实现目标跟踪5. 上位机-ROS-控制模块：运动学建模、PID控制算法和里程计计算6. 下位机-STM32 MCU固件：负责实时电机控制、编码器反馈和安全保护7. 机器人导航系统模块 ：集成ROS导航栈实现机器人自主导航系统，解决机器人路径规划、障碍物避障、定位和导航控制问题。8. 雷达传感器链路：实现YDLidar激光雷达的完整驱动链路，通过适配器模式封装YDLidar SDK、工厂模式支持多雷达类型、配置管理实现参数验证。9. 端侧监控系统：设计并实现系统性能监控框架，解决机器人系统中系统级和进程级资源监控、性能分析和问题定位问题。10. 配置管理与工业化部署：设计并实现完整的Web控制界面、环境自动化配置脚本、自启动方案以及Docker容器化部署方案，解决机器人系统配置管理分散、部署复杂、运维困难等问题，确保机器人系统的工业化部署和运维管理。11. 机器人URDF模型：设计并实现完整的机器人URDF模型系统，解决机器人物理建模、多传感器坐标系定义、TF变换树构建、Gazebo仿真配置等问题。

日期：2026.3.23时长：约35mins面试官：算法工程师 / 产品经理 （具体不清楚，但是确实懂一定技术）面试岗位：技术研究 实习生内容1 自我介绍2 项目介绍i.  对你的XXX项目感兴趣，请你介绍一下：a 我这个项目是系列项目，第一个……，第二个……，第三个……。b 其中做的最深的是第四个，硕士毕业项目。其中，用了……，因为我更关注……。其中会面临……问题，针对这个问题的关键是……，因此我采用……实现……来解决。ii. 我对你项目中的……技术点感兴趣，请你介绍一下：a 采用这个主要考虑……，通过这个点能实现……，最终实现……效果。iii.你项目中另一个……技术点是什么，和你之前的有什么区别？a 这个的作用是……。为什么要这样考虑呢？是因为……，所以从这个角度看，我可以构建……，这样和……技术点是匹配的。那么这样这个技术点可以实现……，之前的技术点可以实现……，他们结合在一起可以实现……。iv.这个领域对于多智能体问题采用的经典方法是……，我观察到你也采用了这个方法，你的方法是否相比于其他人的同样的方法有优势？a 首先这个方法是……方法，选用这个方法是因为……。b 基于此，我不认为我的方法有特别的优势，或者说我不认为所有采用这个方法的项目较其他采用这个方法的项目会有优势，原因是这个方法是工业化的首选，其往往需要在有限的体量内解决问题，就算对其有改进，改进的工作量相比于最终获得的性能提升也是有一定的得不偿失。此外，考虑对方法进行改进并不是我们这个专业或方向的工作重点，我们更关注的是通过技术方法解决细化问题中的难点，也就是工程技术的具体应用与落地，至于方法的改进当然重要，但这个内容更可能是数学或计算机相关的关注重点。v .你做了这么多项目，是如何通过数据评价你的项目有效的？a 您是想问如何通过一些指标来量化评价项目的成效吗？ --》 是b 对于这些项目的结果评价，需要一个第一性的原理支撑。我们的原理来自于……，从其中可以抽离出几个方面进行评价。具体是……。感觉这一部分没有特别深入技术的细节，很多都是项目设计的逻辑和完备性出发的问题。3 场景提问i.  你平时关注……吗？a 关注的，我特别关注……。ii .那么你应该也知道，在这个……中会有……。如果让你来设计一个……，你会如何通过你的技术栈来设计？a 首先，我认为……有不同的行为模式和目标。那么接受的状态可以包含……，然后采用分层设计，上层宏观决策……，比如要让这个做出……宏观行为，下层微观决策……，让……做出具体的……。b 最后在执行上，可以根据……动态调整，比如……我就……，反过来则加一些噪声或者添加随机化的参数……。这一部分感觉也不算很难，根据发的面试邮件的主题提前问问ai准备一下，有清晰的思路应该就没问题。4 反问a 对于这次面试，从您的角度出发是否有改进点？i.  没有什么特别的改进点，包括其他面试官和你提的也不一定都是你需要改进的，总之这个东西千人千面，我们更关注的是你是否与我们的项目match，是否一进来就有所产出（我理解的不是马上有产出，而是在一段时间之后真的在解决问题，而不是全在学习，所以最后可能有点言重了？我不清楚，但确实是这样说的）b 对于后续的面试流程，大概会在多长时间内进行？i.  就我接触到的，一般来说都在一周之内会有反馈，不论是进入到下一环节还是pass。c 如果我最终入职了相关岗位，实习生是否有相关的算力资源？i.  有的，这一块不用担心d 如果我最终入职了相关岗位，实习生是否有相关的ai Coding额度？i.  有的，你可以在网上搜一下，现在基本上每个人每年都配备了……额度，每个月……。整体来说感觉状态良好，无手撕。

首先感谢文远某HR，回复速度很快，属于秋招到现在遇到最好的几个HR之一（虽然文远HR整体很抽象）一面：问项目，问实习经历蔚来实习这段问得很细，基本就是整个项目打碎一块一块问；Momenta的实习因为描述得比较详细所以没怎么再深入提问手撕：线段求交点写得一般，有点混乱，被问到是否可以减少拷贝复制，赶紧回答自定的struct可以指针传，其它参数可以传const引用，面试官说问题不大二面：面试约得很早（7~9点），面试官人在美国，早上起个大早脑子不清楚，对着面试官直呼HR偏向聊天，问两段实习中的难点和亮点1. 问对于基于规则的lidar点云前处理过程中使用OD印证是否会存在循环推断2. 问基于极坐标系的恒定步长采样存在什么问题，是否有其它解决方法3. 问我本科专业和硕士专业为我从业带来哪些相关方法或者优势（本科力学，硕士土木），只能乱扯说涉及到矩阵论方法和大量几何相关算法，而且车辆从传感器数据辨识到操控本质也是非线性动力学系统说得自己绷不住了手撕：写一个shared_ptr，实现拷贝构造、析构、委托构造，并验证引用计数对不对这块写得磕磕巴巴，准备了半天算法结果是写类，最后本来要让我写线程安全的引用计数，时间不够没写。疑似这里要挂我了，写着写着给面试官写麻了三面：纯coding，没笔试是吧，这里等着呢😡1. emplace_back(move()), push_back(move()), emplace_back(), push_back()速度排序2. 描述下vector底层实现，扩容是怎么扩容的，扩容的时候有哪些构造方式3. reserve和resize什么区别，没有默认构造、拷贝构造只有移动构造等的自定义类可以resize吗4. 引导计算：扩容复杂度，总共移动多少次？元素总共构造多少次？对元素的总操作次数多少次？从空vector开始一直emplace_back的期望复杂度（或者平均复杂度）是多少？（涉及到一个幂级数求和）5. 手撕，一个array，有若干个数字，一些query，表示区间端点，需要对区间求和。array中的元素可以任意乱序存在，问所有query的最大值是多少。刚开始想区间合并，后来经提示发现没必要，写得很丑陋，要得能当场调出来，他们assert样例都准备好了...调是调出来了，但是被指出有很多多余的操作，有点寄四面：仍然是美国面试官，貌似是大leader，压力很大1. 如何避免梯度消失？（要求4种+的解决方法...）2. batch normalization是啥？给下公式3. resNet听过吗，解释下？4. 手撕：写一个哈夫曼树问：你这个树1w个节点占多大内存？（说字节和kb都不行，非要说mb...）你这个树对于1000个叶子结点总共会有多少个结点？（答不出来）我宣布第四面是目前最搞心态的一场面试，也不问项目履历，就追着深度学习问，手撕也是以前几乎没怎么练过的，再加上早上7点开面6点半起了个大早，压力非常大，还有就是那种在技术高手眼皮下的无处遁形感而且貌似和面试官有沟通问题，他的问题重复三四遍都没听懂最寄的一集--------更新：四面挂......

更新10.30目前已意向/oc：轻舟，卡尔，旷视，小米，零跑，速腾，虹软，九识等消息：理想，卓驭，pdd，华为，商汤-----------------------------------------------更新10.23pdd待三面轻舟加面（感知TL面）小米貌似要开奖了-----------------------------------------------更新10.15bg：双9，无顶会，中厂实习，自驾感知方向，做的比较杂，LD，OD，视觉，lidar都做过一些，coding随想录和hot100两遍由于实习未结束，从8月中旬起陆续投递30多家公司，投递较晚，错过大部分提前批，投的基本都是各家正式批感知算法岗（不敢去卷端到端），一部分都还没有进度，总结下开启面试的公司进度已oc：轻舟（2+1）：岗位比较契合，和一面面试官聊的比较好，二面leader面，hr面后无后续小米（2+1）：2轮技术面，1轮加面，日常实习，常规校招，hc紧张（神仙组，神仙mentor！！！）卡尔动力（3+1+1）：感知组，三轮技术面，均有coding，一轮hr，一轮CEO面旷视（3+1）：两轮技术面，一轮主管面，感知没被捞，结果让端到端组捞起来了，跨入端到端为数不多的机会九识（2+1）：两轮技术面，三面老板+hr面零跑（2+1）：2轮技术面，二面leader，三面hr均是电话面速腾（2+1）：中疆速腾，一面coding面，二面主管，lidar龙头，去年开始做自动驾驶，感觉技术较强虹软（1+1）：提前批，实习投过，直接一轮复试后hr面，听说wlb泡池子：理想（2）：统招统分，两轮面试均半个小时，无coding，感觉很奇怪待hr面：商汤（2）：车道线组，只能说不愧是AI四小龙，面试官项目问的很细，二面面试官是所有面试中体验最好，个人感觉能力最强的面试官，希望能被捞一手卓驭（2）：两轮技术面，十月底排序后约hr面pdd（3）：统招统面，一面推荐算法，二面图像算法，三面主管面待面试：华为面试未推进：滴滴（约过一次，时间不合适，无后续）顺丰，京东，菜鸟，百度正式批科大讯飞，地平线，小马，深信服，追觅（没消息）挂：禾赛：简历挂美团：笔试挂文远：coding没做出来，一面挂元戎：二面挂蔚莱：复杂场景建图岗，slam背景，不匹配二面挂小鹏：偏向地图C++后处理，不匹配二面挂博世：校招已结束易控：整体感觉回答还可以，但一面就挂了mmt（3轮技术面挂+复活1面挂）一个多月笔试面试过来，目前的感受就是自驾行业真的越来越卷，技术迭代快，人才饱和，不管是校招生的培养成本，还是各家产品迭代更新速度，除非方向项目比较匹配，不然就算面试流程走完也基本泡池子陪跑，果然每年都是过去以来最难的一年，未来最简单的一年，并且到秋招中后期，hc变少，笔试强度越来越大，后悔没参加提前批，求捞，再排序全给排没了。