第1章 自动驾驶规划系统工程师岗位能力画像与简历优化
本章帮助面试者从“职位要求”反向构建简历，精准匹配面试官筛选逻辑。核心产出：岗位能力画像（面试官脑中的理想候选人）、简历结构化模板（信息密度最大化）、关键词清单（通过ATS自动筛选）、成果量化句式（用数字证明价值）。
1.1 岗位能力画像（面试官筛选标准）
| 能力维度 | 核心要求 | 简历关键词 |
|---|---|---|
| 算法基础 | 图搜索、优化理论、常用路径规划算法（A* / RRT / Lattice Planner） | Dijkstra, Hybrid A*, Lattice, EM planner, 动态规划 |
| 工程实现 | C++11/14/17, 代码规范, CMAKE, 单元测试, Git, ROS/ROS2, 协同开发 | std::thread, Eigen, PCL, Gazebo仿真, 性能优化, 编译 |
| 领域知识 | 自动驾驶系统架构, 轨迹规划(运动学、Frenet), 避障(EB/DP/QR), 控制接口(纵向/横向) | Frenet坐标系, 贝塞尔曲线, 安全距离, 横纵向解耦, 预测交互 |
| 决策推理 | 行为决策(FSM/规则/RL), 轨迹优化(MPC/QP), 异常降级处理 | 状态机, 混合A*, NLP求解, 代价函数, 梯度下降 |
| 软素质 | 问题拆解能力, 沟通协作, 抗压, 复盘习惯, 英文文献阅读 | 独立负责模块, 跨团队协调, 上线质量保障, 复现 |
1.2 简历结构模板（推荐信息密度最高）
- 头部：姓名、手机、邮箱、GitHub/个人技术博客（可选）、求职意向（自动驾驶规划算法工程师）
- 技能标签（2行）：核心技能 + 熟练度（如C++/熟练、ROS/熟练、轨迹规划/熟悉）
- 项目经历（3-4个）：每项目按STAR结构（Situation, Task, Action, Result）书写，必须包含量化指标（时延、准确率、场景通过率等）
- 竞赛 / （1-2个）：如果参与过自动驾驶相关比赛（如Nuro Challenge、百度Apollo竞赛）或SCI/顶会
- 教育背景：学校、专业、GPA（若高）、核心课程（运动规划、优化理论、控制理论）
1.3 关键词清单（ATS筛选必备）
【算法类】混合A*, Lattice Planner, EM Planner, 动态窗口, 贝塞尔曲线, 梯度下降, 序列二次规划
【框架类】ROS, ROS2, Apollo, Autoware, CARLA, Simulator, 感知-决策-执行
【工具类】C++(11/17), Python, Eigen, PCL, OpenCV, Git, CMake, GTest
【领域词汇】Frenet坐标系, 空间-时间联合规划, 纵向控制, 横向控制, 安全冗余, 行为预测
1.4 成果量化句式（可以套用到每段经历）
| 原描述 | 量化后（推荐使用） |
|---|---|
| 负责规划模块优化 | 设计Lattice Planner参数调优方案，使规划时延降低40%（由120ms降至72ms） |
| 实现障碍物避让算法 | 基于DWA的实时避障，在3种典型场景（切入、静止、弱势参与者）通过率95%以上 |
| 改进轨迹平滑度 | 引入五阶多项式插值，轨迹曲率变化率降低60%，乘员舒适性显著提升 |
| 搭建仿真测试系统 | 基于CARLA搭建自动化测试流水线，覆盖200+场景，回归周期从周级缩短到2小时 |
1.5 面试问答实战卡片（3题）
🎤 面试问题 #1
问题：“请简单介绍一下你自己，并说明为什么适合自动驾驶规划工程师岗位。”
面试官考察点：① 自我认知是否与岗位能力画像匹配；② 表达能力逻辑性；③ 是否有相关项目热情。
回答框架： 背景一句话 → 核心技能（算法+工程）→ 1个亮点项目（指标）→ 求职动机（技术深度+行业趋势）。
简短示例回答：“我是XX大学自动化硕士，主攻运动规划。精通C++和ROS，在Apollo平台开发了Lattice Planner，将规划时延降低40%。业余复现过State Lattice算法。非常看好自动驾驶落地，希望能深入工程化方向。”
可能追问：“你提到的时延降低40%是通过什么手段实现的？具体瓶颈在哪里？”
🎤 面试问题 #2
问题：“讲讲你参与的一个规划相关项目，从背景到你贡献的结果。”
面试官考察点：① 项目真实性和技术深度；② 是否懂STAR表达；③ 量化思维。
回答框架： Situation（场景）→ Task（你的职责）→ Action（具体做了什么算法/工程）→ Result（可度量指标）。
简短示例回答：“在某园区无人车项目中，我负责路径规划与避障。采用Hybrid A* + 贝塞尔曲线，使轨迹长度缩短15%，成功避开动态障碍。最终的实车测试通过率92%。我独立完成了算法移植到NVIDIA Jetson平台并优化了内存。”
可能追问：“Hybrid A*搜索过程中如何保证实时性？使用了哪些启发式函数？”
🎤 面试问题 #3
问题：“你的简历上写了‘精通C++’，能说说你用过C++11/14/17中的哪些特性优化你的规划代码？”
面试官考察点：① C++深度是否真实；② 是否在实际项目中应用过；③ 代码优化思维。
回答框架： 列出2-3个特性（例如智能指针、lambda、move语义）→ 结合项目场景描述怎么用的 → 带来什么提升（内存/速度）。
简短示例回答：“在多目标规划中，我用std::async并行展开搜索树，减少等待时间。还使用move语义避免复制大型状态结构，将内存消耗降低30%。另外，用lambda优化了代价函数的配置，使代码扩展性更强。”
可能追问：“你在规划模块中是否用过面向对象设计模式？举一个例子。”