控制算法工程师面经

秋招差不多结束了，来写一下面经。本人虽然是PnC方向的，由于只有一段运动控制实习经历，所以一些大厂的决策规划都没有给面试机会（这告诉我们针对不同岗位的要写不同的简历），但是控制方向的面试基本都通关了。下面总结一下自动驾驶运动控制算法工程师面试常问的问题。

其实下面的问题都不难，但是给未来的同学的建议是：不要 all in 算法工程师，可以同时准备软开or其他方向。这个行业只会越来越卷。

1. 基础知识

车辆动力学

• 主要考察建模，这几乎是必问的问题，因为大多数的项目都是基于模型的。运动学或动力学，Frente or Cartesian, 线性或非线性，reference是什么，cost怎么设计，error怎么定义的。质心侧偏角、航向误差之间的关系是什么。
• 一些常见的扰动和补偿方法，比如：执行延迟、横风、侧倾、坡道。
• 哪些信号是传感器能拿到的，哪些是不能拿到的。卡尔曼滤波相关问题。
• 控制量的物理边界是多大。
• 关于车辆更深层次的问题问得不多，可能是因为项目中没涉及到：比如其他轮胎模型的特点、如何处理道路附着的不确定性等等。

数值优化和最优控制

• 能观能控、状态方程与传递函数转化方式、如何判断系统的稳定性、如何设计龙博格观测器。（这些不经常问）
• 你知道lqr有几种求解方法吗？详细讲讲推导过程。
• mpc的设计，stages多大，实时性如何，lqr和mpc的区别，理论层面看，mpc和lqr是不是一个东西。
• 调参方法，weight的大致数量级关系。
• 离散化方法，各自的特点。
• ilqr的推导过程，开发过程中遇到的实际问题以及如何解决的。
• 常用的正则化方法有哪些？
• qp问题的构成，这些矩阵有什么要求？为什么。
• 为什么常常将问题构造成qp的形式。
• 无约束优化问题求解方法有哪些？讲讲梯度法、牛顿法、拟牛顿法、共轭牛顿法。讲讲线搜索方法有哪些。
• 内点法是什么？
• 介绍一下增广拉格朗日。
• 罚函数的缺点是什么？罚函数因子对问题求解有什么影响。
• 对偶问题是什么？弱对偶性和强对偶性是什么？Slater准则是什么？
• 讲一下kkt条件是什么？

2. 项目经历与计算机基础

对于控制算法来说，最重要的是实车开发调试的经历。工作中用到的语言一般是python和C++，python（matlab等）都是快速验证算法的可行性，然后用C++开发。

项目经历

• 实车的经历重点在于对细节的把握，包括控制器是什么，soc是什么，车速多大，各种误差多大，如何调参的，遇到了什么问题怎么解决的。
• 举个例子，可接受的横向误差数量级：曲率变化比较小，小于 0.10 m，曲率变化大，小于 0.15 m。
• 项目开发的语言/平台是什么？

计算机基础

• 数据结构与算法：参考代码随想录和hot100足以。质量比数量重要，一般面试的题目都是做过的题目。
• 计算机网络：问得很少，只有个别企业问一些简单的八股。
• 操作系统：问得少，比计算机网络多一些，除了常见的八股，还有对ubuntu使用的提问。
• C++：八股问得多，封装继承多态，stl，智能指针，移动语义，主要考察自动驾驶项目常用的语法知识。