我要评论鉴智机器人
面试岗位：决策规划岗位
笔试
笔试出的是力扣原题。2道中等难度+1道困难题。
一面
- ddpg，td3算法流程，区别
- 路径规划算法了解的讲一下
- 强化学习落地难，你的看法
- 控制就业方向窄，建议转决策
二面
- a星算法介绍以及实际应用的优缺点，如何解决。在搜索的时候有什么技巧？
- sac的梯度传递方式
- 参数正则化trick
- 强化学习落地难的看法
- 模仿学习了解
- 控制障碍函数的使用与势场法有什么区别
- 混合a星
- lattice规划
总结
当时鉴智机器人是最早面试的几个公司之一，所以体验并非很好，不出意外在二面阶段就挂了。
暴露出的问题：对基础掌握不扎实，底层不够了解，优缺点也不够了解。
亿嘉和
岗位：机器人规划控制岗位
一面
- mpc和lqr比较
- 优化算法
- c++容器
- ros基础
- ros话题并行串行
- node间的通信有哪几种
- 感知定位
- 了解什么自动驾驶开源方案
- 强化学习落地很难，目前只有在四足机器人上的效果比得上传统控制，那你觉得强化学习有什么优势？
总结
亿嘉和的面试非常简单，无笔试环节，仅一面就hr面了。面试官问的重点偏向编写语言知识方面，没有询问项目。
科大讯飞
岗位：自然语言处理——智能语音方向
笔试
科大讯飞的笔试还是不简单的，选择题+3道编程题。
编程题出了一道实现k-means算法的题。
一面
- 问项目
- 问强化学习知识点
- 各种常用的强化学习算法的原理
- 机器学习过拟合、欠拟合知识点
二面
- 主要问项目
总结
科大讯飞原本报的岗位是决策规划岗位，后来被转到了智能语言方向进行面试。科大讯飞的面试相对来说还是非常简单的，单纯的询问项目和一些知识点问答。不过二面时面试官问我期望薪资多少，我当时并不知道他们能开的是多少，所以随意说了一个较高的数字，然后就没下文了。。
地平线
一面
2022.8.19
-
问项目
-
做一道数学题：给一个多项式式子，化成二次型表示
f ( x 1 , x 2 , x 3 ) = ( x 1 − 1 ) 2 + ( x 2 − 2 ) 2 + ( x 3 − 3 ) 2 + ( x 1 − x 2 ) 2 + ( x 2 − x 3 ) 2 x 1 , x 2 , x 3 ∈ r f\left(x_1, x_2, x_3\right)=\left(x_1-1\right)^2+\left(x_2-2\right)^2+\left(x_3-3\right)^2+\left(x_1-x_2\right)^2+\left(x_2-x_3\right)^2\\ x_1, x_2, x_3 \in \mathbf{r} f(x1,x2,x3)=(x1−1)2+(x2−2)2+(x3−3)2+(x1−x2)2+(x2−x3)2x1,x2,x3∈r- 将该函数写成矩阵和向量的二次型形式。
- 该函数取最小值的充分必要条件是？
-
coding环节：已知一条线段两端点坐标a，b以及一点c，求点c到线段ab的投影点坐标。
-
意向地
-
职业规划
二面
2022.8.26
总结
地平线是比较可惜的，二面一开始先做题目，由于我当时没写出来，所以面试官直接通知很遗憾了。。
蔚来
岗位：自动驾驶规划控制岗位
笔试
笔试比较简单，选择题+3道编程题，编程题是力扣题目。
一面
问答
- 介绍自己。
- 介绍强化学习怎么用的。
- 强化学习用作参数拟合做过吗？
- 说一些自动驾驶的强化学习的应用
- 强化学习与经典方法的优劣
- pid算法阐述
- 积分饱和现象怎么解决
- lqr原理
- pid与lqr的区别
- mpc原理
- mpc与lqr区别
- qp的原理
- 模型的参数辨识有了解过吗
- 汽车动力学模型知识点–车轮的侧偏力
- mpc或lqr在动力学模型上应用有熟悉吗？
- 无人机项目相关
- 强化学习与经典方法哪种方式比较好
- 目前为什么使用mpc在汽车上的比较少？
- 最优控制与强化学习的联系与区别
手撕代码题
- c++实现pid类，需要包含积分饱和的处理。
二面
主要问我的项目。
- 无人车项目经历
- 修正的过程？
- 二次规划目标函数？
- 与传统控制方法的对比有吗？
- 结果对比
- 飞机失控研究项目
- 效果怎么样
- 输入输出？
- 神经网络输入输出
- q函数是拟合出来的吗
- mbrl
- mpc怎么使用的
- 为什么要使用rl？这样建模很多是无法保证的
- 做飞行器和汽车而言，主要差别在哪里？如果要进入这个行业，要从哪几个方面补课呢？
- 每年新兴的算法都很多，工业界用的算法都很保守，你觉得原因是什么？
- 自动驾驶决策难点在哪里？
- 无人机决策难点在哪里？控制频率和通信频率
总结
蔚来也是面的较早的一批，大概8月份左右，当时做的准备不够充足，二面半小时就结束了。非常可惜。。。
文远
岗位：自动驾驶决策规划岗位
一面
2022.9.13
项目
- 安全强化学习运动规划
- 使用普通规划方法与cbf结合不行吗
- 如果在无干扰和延时的情况下是可以的，但是面对工况比较复杂时，rl的优势就体现出来了。
- 使用普通规划方法与cbf结合不行吗
- 融合物理对称性的mbrl
- 对称性含义
coding
- 求平方根
- 牛顿法的复杂度
- 求矩阵的最长递增路径长度
- dfs
- dp搜索方向
总结
文远的一面手撕代码只写出来一道，第二道题没写出来，所以没了。。所以题还是得多练，一般手撕题都是力扣原题或者类似的题。
滴滴
岗位：自动驾驶决策规划岗位
提前批无笔试。
滴滴提前批一面（40分钟）
20220826
-
自我介绍
-
项目：飞机失控和安全强化学习
- reward怎么设计的
- 稳定性哟普理论证明嘛
- 对比传统方法优点
-
项目：安全强化学习
- 怎么保证安全的
- cbf硬约束还是软约束？
- cbf如何加入到rl训练中的
- 怎么通过二次规划
- 约束怎么给，怎么保证是凸约束
- 求解失败怎么办，如何提高算法求解成功率
- 怎么调整安全阈值的
-
手撕代码：找到 k 个最接近的元素
滴滴提前批二面（40分钟）
20220826
- 面试官介绍
- 行为规划
- 逻辑回归
- rule-based 使用率：70-80%
- 优化 使用率：10-20%
- 数据驱动：10-20%
- 控制、规划、交互决策
- 项目：安全强化学习
- 控制障碍函数形式
- 如何结合
- 控制障碍函数的输入
- 二次规划目标函数和约束是什么
- collision cone
- vector
- vector底层
- push_back实现原理
- 原生数组有什么缺点
- size()和capacity()区别
- public,protected,private
- 手撕：实现push_back函数
滴滴提前批三面（50分钟）
20220901
- 问项目（30多分钟）
- 做题：给了一道寻找起点到终点的所有路径的编程题
滴滴提前批四面（30分钟）
20220909
- 单纯问项目
总结
滴滴大概是我最遗憾的，一路走到了四面，应该是sp了，前面三面面试都挺顺利，可惜最后一面答得不是很好，然后就泡池子无下文了。
最后，附上我当时投递的公司列表：
发表评论