第一章 岗位能力画像与简历优化模板
本章从企业面试官视角拆解自动驾驶控制专家核心能力维度和简历必杀项，帮助你精准匹配岗位需求。内容包含：能力模型表、简历结构图、面试问答卡片（3组）以及成果量化模板。
1.1 自动驾驶控制专家·能力模型
| 能力维度 | 核心关键词 | 成果量化指标（示例） |
|---|---|---|
| 规划控制算法 | LQR, MPC, 路径规划, 横纵向控制 | 控制误差<0.2m, 曲率误差<0.01 |
| 系统集成与调试 | ROS2, CyberRT, 实车标定 | 集成周期缩短30% |
| 车辆动力学建模 | Bicycle model, 轮胎模型, 参数辨识 | 模型预测偏差<5% |
| 状态估计与感知融合 | EKF, 卡尔曼滤波, 多传感器融合 | 定位精度0.1m RMS |
| 工程能力（C++/Python） | 代码规范, 单元测试, 性能优化 | 延迟降低40%, 代码覆盖率>90% |
🔍 面试问答卡 1：《如何理解自动驾驶控制专家的核心能力？》
- 面试问题：你认为自动驾驶控制专家需要具备哪些核心能力？请结合你过往经历说明。
- 面试官考察点：A. 是否理解控制算法与系统工程的衔接；B. 能否区分“通用控制工程师”与“自动驾驶控制专家”的能力差异。
- 回答框架：“能力维度归纳法”：① 算法层面（MPC/LQR/非线性控制）→ ② 工程层面（C++/RTOS/代码效率）→ ③ 系统层面（传感器融合/实车调试）→ ④ 数据意识（标定/模型验证）。
- 简短示例回答（70字）：“核心能力分三层：算法层精通MPC与横纵向控制，实车调试中误差控制在0.15m以内；工程层熟练C++与ROS2，曾优化节点延迟40%；系统层具备传感器联合标定经验，能快速定位控制与感知的耦合问题。”
- 可能追问：“你刚才提到MPC，请解释MPC与传统PID在自动驾驶中的适用场景？”
- ⚠️ 避坑提醒：不要只罗列技术名词而无实例。每个能力必须附带一个具体项目指标或改进数据。
🔍 面试问答卡 2：《如何优化简历突出控制算法经验？》
- 面试问题：你简历上写了“熟悉MPC”，能否用一个项目说明你如何应用MPC并取得了什么结果？
- 面试官考察点：A. 是否只写“熟悉”而无细节；B. 是否能说明参数调优过程和量化指标；C. 是否能关联到车辆动力学。
- 回答框架：“STAR + 数字锚点”：将项目背景（S）、任务（T）、行动（A）高度浓缩，重点放在“结果（R）”——用三个数字（误差、耗时、提升百分比）收尾。
- 简短示例回答（85字）：“在某园区L4项目，我负责纵向MPC控制器设计（S）。目标速度跟踪误差<0.3m/s（T）。通过加入前馈补偿和动态权重调整（A），实车测试误差降至0.12m/s，且能耗降低18%（R）。”
- 可能追问：“你的MPC预测时域和采样时间分别是多少？为什么选择这个值？”
- ⚠️ 避坑提醒：避免使用“参与”“协助”等弱动词。统一用“主导/负责/独立完成”，并在每段项目开头写明自己角色。
🔍 面试问答卡 3：《如何量化项目成果？》
- 面试问题：你觉得在自动驾驶控制项目中，哪些成果最有说服力？请举例说明你是如何量化这些成果的。
- 面试官考察点：A. 是否具有数据驱动思维；B. 能否用业界通用指标（RMSE、CEP、延迟等）表达；C. 是否了解基准对比（比上一代提升多少）。
- 回答框架：“公式记忆法”：量化成果 = 指标类型（误差/时间/成功率） + 值 + 对比基准（上一版/行业标准/竞品）。例如：“横向控制RMSE从0.32m降至0.18m，相比上一版提升43%”。
- 简短示例回答（70字）：“我主导了横向控制模块重构，将Racetrack测试中的最大横向误差从0.45m降到0.19m，超车场景通过率从82%提升到96%。关键操作是引入前馈+MPC权重自适应。”
- 可能追问：“你如何保证测试数据的一致性？不同天气条件下的误差是否纳入统计？”
- ⚠️ 避坑提醒：不要只说“性能提升很大”，必须给出具体数字。如果真实数据未公开，可用“相对值（提升XX%）”或“达到XX标准”表述。
📋 简历关键词清单（面试官高频搜索词）
硬技能：MPC、LQR、PID、非线性控制、车辆动力学、参数辨识、轨迹规划、ROS2、CyberRT、C++17、Eigen、Matlab/Simulink、CARLA、Prescan。
软技能：实车调试、HIL/SIL仿真、代码评审、多传感器标定、A/B测试、问题定位、协同开发。
成果量化句式模板：
- “实现XXX算法，控制精度提升 XX%（如RMSE从0.30m→0.17m）”
- “优化XXX模块，运行延迟降低 XX%（从50ms→30ms）”
- “完成XXX系统集成，测试周期缩短 XX%（从4周→2周）”
- “解决XXX实车问题，故障率降低 XX%（由5%→0.5%）”
⚠️ 简历排查清单：① 是否每段经历都有量化数字？② 是否使用了至少3个被动语态改为主动语态？③ 是否去掉“协助”“参与”，统一为“主导/独立负责”？④ “熟悉”后是否跟了具体应用场景？⑤ 是否包含“车辆动力学”或“实车验证”关键词？