高频面试问题与回答框架:常见问题、答题结构,公司侧重点

本章聚焦规划仿真面试中最频繁出现的三类问题:算法原理、工程实现和场景设计。掌握结构化答题框架和公司考察偏好,能让你在面试中快速组织逻辑、突出差异点。

① 问题定点 ② 拆解关键 ③ 方法对比 ④ 落地细节 ⑤ 总结升华 加分点提示 ✔ 用数学语言(公式、状态方程)代替模糊描述 ✔ 主动对比不同方法的优劣和适用场景 你的回答 边界条件/参数设计 异常场景如何保证 实际工程矛盾 追问方向 — 每个分支可继续深挖2~3层 🔍 场景 → 你用的参数是什么?为什么选这个值? 🔍 异常 → 如果障碍物突然切入,你的方法如何响应? 🔍 工程 → 计算延迟200ms,你会怎么改设计?

面试常见问题分类表

问题类别 典型问题 公司侧重点
算法原理Lattice Planner/A*/Apollo EM Planner原理百度:EM Planner细节;Momenta:Lattice工程化;蔚来:决策与规划耦合
工程实现仿真环境搭建、模块解耦、实时性优化华为:仿真与实车映射;小鹏:数据驱动仿真
场景设计如何设计corner case、覆盖率评估滴滴:高并发场景仿真;理想:用户场景复现

问答卡片 · 01

面试问题:请讲解一下Lattice Planner的核心流程和优缺点。

面试官考察点:对经典规划算法的理解深度、能否指出局限并给出改进方向。

回答框架:①概述算法定位(基于Frenet的时空联合规划);②拆解三阶段:路径生成、速度曲线生成、代价函数选择;③对比优势(平滑性、可解释性)与劣势(计算量大、高动态场景不稳定);④提升方向(引入预测引导、稀疏采样)。

简短示例回答:Lattice Planner在Frenet坐标系分层采样路径和速度曲线,用代价函数选最优。优势是轨迹平滑、可解释;劣势是在高速或强交互场景易产生不保守轨迹,且计算大。我会通过预测障碍物意图提前约束采样范围来缓解。

可能追问:代价函数中权重如何调参?与EM Planner相比性能差异?

避坑提醒:不要只背概念,必须结合一个具体场景(如高速换道)说明流程,否则显得理论化。

问答卡片 · 02

面试问题:你在仿真中如何验证规划算法的安全性与舒适性?

面试官考察点:仿真测试体系思维、指标设计、量化能力。

回答框架:①安全性指标:碰撞率、最小安全距离、响应时间;②舒适性指标:加加速度、横向加速度变化率;③场景覆盖:典型切车、行人鬼探头、雨天低附着;④数据驱动:使用回放+人工标签生成测试集。

简短示例回答:安全性看碰撞率和TTC,舒适性用 jerk 的95%分位数。我们会构造500+corner case,包含cut-in、静止障碍、强减速。同时在闭环仿真中统计规划轨迹和驾驶员模型偏差,超过阈值则标为Fail。

可能追问:你用的TTC阈值是多少?不同速度下怎么调整?

避坑提醒:避免只提概念不提数值。提前准备典型阈值(如TTC>3s,jerk<2m/s³)会更有说服力。

问答卡片 · 03

面试问题:如果实车测试发现规划轨迹频繁出现急刹,你会怎么排查和解决?

面试官考察点:工程调试能力、问题定位与解决闭环。

回答框架:①数据回放定位触发时刻;②归因:障碍物感知抖动、预测跳变、代价函数权重不当或参考线曲率突变;③分步验证:关闭预测使用恒定速度看是否复现;④解决方案:加轨迹平滑约束或低通滤波,并回归corner case。

简短示例回答:先回放log定位急刹点,看是感知震荡还是预测突然减速。如果是预测跳变,我会增加时间维度的平滑约束,并在仿真中用历史实车数据回归验证——原来每天3次急刹降到0.2次。

可能追问:平滑约束会不会导致反应变慢?你怎么做平衡?

避坑提醒:不要只说“加滤波”,要量化效果(次数下降比例、延迟增加<50ms)。面试官看重数据感。