Apollo平台工程师面试实战题库 - 第2节
2. Apollo平台基础与架构认知
第 2 章 · Apollo 平台基础与架构认知
高频问题 · 回答框架 · 公司侧重点
本章聚焦 Apollo 平台的核心架构分层、模块职责与设计哲学。面试官通过此类问题判断你是否真正理解“平台级”工程思维，而非仅停留在 API 调用层面。以下 3 个问答卡片覆盖最高频考点，并附可复用的项目案例模板。
高频
请介绍一下 Apollo 平台的整体架构分层，以及各层的主要职责。
🔍 面试官考察点
是否具备平台级系统思维；能否清晰区分云、端、车、工具链的边界；对自动驾驶技术栈的全局理解。
🧩 回答框架
- 总述：Apollo 是“云+端+车+工具链”四位一体的自动驾驶平台。
- 分层展开：云端（仿真/数据/高精地图）、端侧（车载计算单元）、车端（传感器/执行器）、工具链（开发/调试/标定）。
- 核心模块：感知、预测、规划、控制、定位、V2X。
- 设计哲学：高内聚低耦合，模块间通过 Cyber RT 通信。
💬 简短示例回答
Apollo 整体分为四层：云端提供仿真、数据与高精地图服务；端侧是车载计算平台，承载感知、预测、规划、控制等核心模块；车端包含传感器与执行器；工具链覆盖开发、调试与标定。模块间通过 Cyber RT 通信，强调高内聚低耦合，保证实时性与可扩展性。
❓ 可能追问
“云端和车端如何协同？”“Cyber RT 相比 ROS 的优势是什么？”“感知模块的输出如何传递给规划模块？”
⚠️ 避坑提醒
不要只罗列模块名称，要体现层级关系和数据流向；避免把 Apollo 说成单纯的“开源框架”，它是一整套平台体系。
高频
Apollo 的 Cyber RT 框架解决了什么问题？与 ROS 的核心差异是什么？
🔍 面试官考察点
对通信中间件的理解深度；能否从实时性、确定性、性能角度对比；是否了解自动驾驶对通信的特殊要求。
🧩 回答框架
- 问题背景：ROS 在实时性、确定性、资源占用上无法满足车规级要求。
- Cyber RT 核心：基于共享内存的零拷贝通信、协程调度、确定性任务编排。
- 关键差异：ROS 面向科研，Cyber RT 面向量产；ROS 依赖中心节点，Cyber RT 去中心化。
- 效果：降低延迟、提升吞吐、保证时间确定性。
💬 简短示例回答
Cyber RT 主要解决 ROS 在实时性和确定性上的不足。它采用共享内存实现零拷贝，减少数据复制开销；通过协程调度和确定性任务编排，保证关键链路的时序。与 ROS 相比，Cyber RT 去中心化、无中心节点瓶颈，更适合车规级量产环境。
❓ 可能追问
“零拷贝具体怎么实现？”“协程调度和线程调度有什么区别？”“如果让你设计一个通信中间件，你会考虑哪些指标？”
⚠️ 避坑提醒
不要只说“Cyber RT 比 ROS 快”，要给出具体机制（共享内存、零拷贝、协程）；避免混淆 Cyber RT 与 ROS2 的概念。
高频
Apollo 的感知、预测、规划、控制模块之间是如何协作的？数据流是怎样的？
🔍 面试官考察点
对自动驾驶核心链路的数据流理解；能否说清模块间的输入输出与依赖关系；是否具备系统集成视角。
🧩 回答框架
- 数据流主线：传感器 → 感知 → 预测 → 规划 → 控制 → 执行器。
- 感知输出：障碍物、车道线、交通标志等结构化信息。
- 预测输入/输出：基于感知结果预测未来轨迹，输出给规划。
- 规划决策：生成安全、舒适的行驶轨迹。
- 控制执行：将轨迹转化为油门、刹车、转向指令。
💬 简短示例回答
数据流从传感器开始，感知模块输出障碍物和车道线；预测模块基于这些信息预测其他交通参与者的轨迹；规划模块结合预测结果和地图生成行驶轨迹；控制模块将轨迹转化为油门、刹车和转向指令，最终由执行器完成动作。各模块通过 Cyber RT 以消息形式传递数据。
❓ 可能追问
“如果感知延迟了，规划怎么处理？”“预测模块的输出格式是什么？”“控制模块如何保证舒适性？”
⚠️ 避坑提醒
不要忽略定位和地图模块的输入作用；避免把数据流说成单向直线，实际存在反馈和闭环。
📁 项目案例模板 可复用
项目名称
基于 Apollo 的园区低速自动驾驶接驳车
业务背景
园区内固定路线接驳，降低人力成本，提升通行效率
规模指标
3 台车 · 5 公里路线 · 日均 200 人次 · 0 事故
技术栈
Apollo 6.0 · Cyber RT · L4 感知 · 高精地图 · 激光雷达+摄像头
核心难点
- 园区道路狭窄，人车混行，感知误检率高。
- 需要与园区现有调度系统实时对接，通信延迟要求 < 100ms。
- 多车协同避免死锁，路径规划需动态避让。
面试高频追问
- “感知误检具体怎么解决的？用了什么模型？”
- “多车协同的通信机制是什么？有没有中心调度？”
- “如果通信中断，车辆如何安全停车？”
- “这个项目里你个人最大的贡献是什么？”
可迁移回答话术
“在这个项目中，我主要负责感知模块的优化和 Cyber RT 通信调优。针对园区人车混行场景，我们通过多传感器融合和时序滤波降低了误检率；同时利用 Cyber RT 的零拷贝特性，将关键链路延迟控制在 80ms 以内。这段经历让我深刻理解了平台级工程中‘实时性’和‘确定性’的权衡。”
📌 复习建议：先掌握架构分层与 Cyber RT 核心机制，再结合项目案例练习 STAR 表达。下一章将深入 Apollo 感知模块高频面试题。