4. 决策规划与控制面试专题

面试官考察点

考察对行为预测核心难点的理解，是否掌握多模态输出、交互建模及不确定性量化方法。

回答框架

1. 定义问题：预测他车/行人未来轨迹，本质是多模态、交互、不确定性问题。
2. 核心挑战：意图模糊、交互耦合、长尾场景。
3. 技术方案：多模态输出（如轨迹簇+概率）、交互建模（图神经网络/注意力）、不确定性量化（概率分布/置信度）。
4. 工程落地：结合地图与规则先验，后处理保证物理可行。
5. 安全兜底：预测置信度低时，规划端采取保守策略。

简短示例回答

“我们采用多模态预测，输出多条带概率的轨迹。交互层用图注意力建模他车影响，并输出置信度。低置信度时规划端会减速或绕行，确保安全。”（约70字）

可能追问

• 多模态轨迹如何筛选与融合？
• 如何评估预测模型的好坏？
• 交互建模的计算复杂度如何控制？

面试官考察点

考察对规划目标权衡的理解，是否具备多目标优化与场景化调参能力。

回答框架

1. 定义问题：规划需在安全前提下，兼顾舒适与通行效率。
2. 核心挑战：目标冲突、动态环境、实时性。
3. 技术方案：分层规划（全局+局部）、代价函数设计（安全距离、加速度、曲率）、场景化权重。
4. 工程落地：仿真与实车调参，建立指标评估体系。
5. 安全兜底：规划失败时触发紧急靠边或最小风险策略。

简短示例回答

“我们采用分层规划，局部规划用代价函数融合安全、舒适和效率。高速场景偏效率，拥堵场景偏安全。规划失败会触发MRM靠边停车。”（约65字）

可能追问

• 代价函数各项权重如何确定？
• 如何处理规划器求解失败？
• 如何验证规划结果的安全性？

面试官考察点

考察对控制算法、车辆动力学及鲁棒性设计的理解，是否具备实车调试经验。

回答框架

1. 定义问题：控制需精确跟踪规划轨迹，并应对模型误差与干扰。
2. 核心挑战：非线性、延迟、执行器限制。
3. 技术方案：前馈+反馈（如MPC、LQR）、延迟补偿、鲁棒控制。
4. 工程落地：实车标定、参数自适应、故障诊断。
5. 安全兜底：控制异常时降级到安全停车。

简短示例回答

“我们采用MPC做轨迹跟踪，加入前馈补偿和延迟观测器。实车标定轮胎侧偏刚度，并设计故障检测，异常时降级到安全停车。”（约65字）

可能追问

• MPC的实时性如何保证？
• 如何补偿执行器延迟？
• 控制降级的具体策略是什么？