Notes on 晓染的天空

Mon, 01 Jan 0001 00:00:00 +0000

这份 JD 来自小马智行（Pony.ai），岗位是自动驾驶运动规划（Motion Planning）。

在自动驾驶圈内，小马智行的技术门槛是公认的“天花板”级别之一。30-40K * 16薪的待遇也侧面印证了他们对人才的要求：既要能写出高性能的代码，又要能解决复杂的数学建模问题。

以下是对该岗位核心能力及详细知识点的深度拆解：

一、核心能力概括

顶尖的工程能力： 核心是 C++。在自动驾驶这种高实时性系统中，Python 只是辅助，C++ 是用来保命和保性能的。
极强的数学建模功底： 规划本质上是在受限空间内求最优解，涉及大量的数值优化和几何运算。
算法逻辑思维： 能够将复杂的交通规则和道路环境转化为计算机能理解的约束条件（Constraint）和代价函数（Cost Function）。
全栈开发思维： 提及了仿真平台和大数据处理，说明你不仅要懂算法，还要懂如何构建支撑算法迭代的工具链。

二、详细知识点清单

1. 编程语言与工程实践 (C++)

这是你的基本功。JD 明确要求高性能，这意味着你不仅要会写，还要写得精。

现代 C++ (C++11/14/17)： 熟练使用智能指针（Smart Pointers）、Lambda 表达式、右值引用与移动语义。
内存管理： 深刻理解堆栈分配、内存池、避免频繁申请内存导致的系统碎片。
多线程与并发： 线程同步机制（Mutex, Atomic, Condition Variable）、无锁编程基础。
STL 源码级理解： 知道 std::vector 的扩容机制，std::unordered_map 的底层实现。
构建工具： 熟悉 Bazel（自动驾驶大厂标配）或 CMake。

2. 运动规划算法 (Core Domain)

这是该岗位的“灵魂”。

路径规划 (Path Planning)：
- 全局搜索：$A^$、$Dijkstra$、Hybrid $A^$。
- 采样算法：RRT、RRT*、Lattice Planner。
轨迹规划 (Trajectory Planning)：
- 多项式曲线（Quintic Polynomials）、贝塞尔曲线（Bezier）、B样条曲线（B-Spline）。
- 时空解耦规划： 把 $SL$ 轴（沿路）和 $ST$ 轴（时间）分开处理。
决策状态机： 有限状态机 (FSM)、行为树 (Behavior Tree)、或基于 MDP 的决策模型。

3. 数值优化与计算几何 (The “Bonus” Points)

JD 特别提到了这两个加分项，但在实际面试中，这通常是必考项。