高频面试问题与回答框架：常见问题、答题结构、公司侧重点
本章聚焦面试中反复出现的高频问题，提供结构化的答题框架，帮助你在短时间内组织清晰、有深度的回答。不同公司对规划岗位的侧重点差异明显——百度重视工程落地与安全冗余，华为偏重系统可靠性与域控协同，小鹏则更关注数据驱动与用户体验。掌握通用框架+公司定制话术，是拿下面试的关键。
高频问题一：请介绍一个你主导的规划项目，重点说明难点与解决方案
面试官考察点：
- 项目复杂度与个人角色（是否是核心贡献者）
- 面对真实场景时的工程思维与决策质量
- 对规划算法局限性的认知
回答框架：STAR + 对比基线 → 重点说“困难在哪里”+“为什么这样做”+“最终指标提升多少”
示例回答（80字）：
“我主导了城市无保护左转场景规划模块。难点是盲区存在交互博弈，我用POMDP模型建模其他车辆意图，引入不确定性置信度。上线后左转成功率从72%提升至94%，切入时横向抖动减少60%。核心是将博弈论与工程实时性结合。”
可能追问：
- POMDP的实时性怎么保证？
- 如何验证置信度模型不会误判？
- 如果提升成功率但导致通行效率下降怎么办？
避坑提醒：避免只说“我做了什么”而不对比基线；避免把团队成果说成个人但又不提具体贡献点；面试官会追问“你个人写的代码是哪个模块”。
高频问题二：你如何看待规划算法中“安全”与“效率”的权衡？
面试官考察点：
- 是否理解自动驾驶的本质约束条件
- 是否有系统化解耦思路（如分层、参数化）
- 能否给出具体工程案例说明权衡实操
回答框架：定义矛盾 → 提出分层/参数化思路 → 举例说明具体阈值调节 → 强调量化评估体系
示例回答（95字）：
“我们采用分层优化：行为层安全硬约束（最小安全距离、碰撞时间阈值），轨迹层效率软约束（速度损失权重动态可调）。比如在园区场景，当行人密度>0.5人/m²时自动切换安全优先模式，速度上限降到10km/h。通过离线仿真+在线监控面板持续调参。”
可能追问：
- 安全硬约束和软约束的具体数学表达式？
- 效率降低多少可接受？有量化指标吗？
- 如何避免安全优先导致死锁？
避坑提醒：不要回答“两者都要”的空话；面试官期望听到你真实冲突案例和妥协逻辑；最好有离线仿真或路测数据支撑。
高频问题三：你怎么评估一个规划模块的好坏？常用哪些指标？
面试官考察点：
- 是否有完整的评价体系思维（不止看终点指标）
- 是否了解OpenScenario、ASAM等标准
- 对“舒适性”“规划效率”等软指标的量化能力
回答框架：指标体系分层（安全/性能/舒适/鲁棒） → 常用指标举例 → 仿真与实车测试结合 → 指标间的矛盾及处理
示例回答（100字）：
“我们分为四层：安全类（最小碰撞距离、TTC<2s比例）；效率类（平均通行速度、规划成功率）；舒适类（加加速度的均方根、横向偏离频率）；鲁棒类（无解率、硬约束违反次数）。特别关注安全与舒适的正相关和效率与舒适的负相关，用Pareto前沿选择最优参数组合。”
可能追问：
- TTC阈值怎么定的？不同场景是否不同？
- 舒适性指标如何与用户主观评价对齐？
- 你用过哪些开源评测工具（如AVX、Scenic）？
避坑提醒：不要只谈“准确率”或“无事故”；面试官想要看到你对指标的取舍和标定经验；准备至少一个指标冲突的实际案例。
不同公司侧重点速查表
| 公司 | 核心侧重点 | 面试中建议提及的关键词 |
|---|---|---|
| 百度 | 安全冗余、多传感器备份、ASIL-D | 功能安全标准、冗余策略、安全停车机制 |
| 华为 | 系统可靠性、域控协同、确定性规划 | 确定性算法、时间触发、MCU与SOC分工 |
| 小鹏 | 数据驱动、场景挖掘、低成本传感器方案 | 影子模式、Corner Case回灌、轻地图方案 |
| 理想 | 家庭场景覆盖、舒适性、低接管率 | 护幼模式、缓行博弈、自适应巡航平顺度 |
| 蔚来 | 用户体验、个性化驾驶风格、NOP+ | 风格参数化、用户偏好学习、弯道减速平滑性 |
| 特斯拉 | 端到端神经网络、FSD、视觉驱动 | Imitation Learning、RL训练、仿真闭环 |
| Tier 1 (博世/安波福) | 功能安全、量产交付、硬件抽象 | ISO 26262、MISRA C、AutoSAR、HIL测试 |
面试加分技巧：
- 回答前先确认面试官背景：如果是工程团队则多讲实现细节，如果是算法团队则多讲数学建模。
- 准备一个“失败案例”：项目踩坑后如何修复，更能体现成长性。
- 对每个高频问题都准备好“量化对比”话术（Before vs After + 百分比）。