滴滴-自动驾驶感知算法-面经

时间线：0728一面二面-0731三面-0918意向

一面：
1.自我介绍（3min）
2.实习经历1（30min）
(1)介绍一下你实现的Sparse Occ的方法（连同BEV多任务的架构）
(2)得到BEV的方式（自顶向下，自底向上），相机内外参细节，相机畸变参数和畸变类型
(3)voxel级别Occ预测的方式（channel 直接分出height，再卷积），没答出来，没怎么理解这个，虽然很简单
(4)介绍了一下OccFormer
(5)实习过程种遇到什么问题，还有没有讲到的吗，可以交流
3.实习经历2（30min）
(1)说了下红绿灯方案背景，介绍了一二阶段，以及上一代红绿灯方案
(2)读秒feature的实现，为什么不直接2D然后基于规则来出（基于规则和基于模型的优缺点）
(3)提升主要来自于哪里（结合和之前方法的对比+数据的迭代）
(4)展开说一说端到端自回归世界模型预训练，自回归监督微调，强化学习微调）
4.代码题（10min）
(1)给出一些路径，求出最简化的路径，python.normpath API的实现（c++）

二面：
1.自我介绍(3min)
2.实习经历1(20min)
(1)OPUS模型，动机（体素级建模耗时，channel2height的方式对于小目标和悬空障碍物不友好），方法，同样从背景介绍了Occ整体结构
(2)为什么选择OPUS（方法精简，好迁移，部署方便）
(3)基于原模型改动的3个点（预测instance，empty监督，场景与instance分开->BEV cross attention）
(4)sparse方式->sparse4D，稀疏采样方式，具体怎么做的
(5)有哪些时序融合方式，总结一下
3.实习经历2（20min）
(1)红绿灯方案简介，巴拉巴拉
(2)二阶段训练方式（一阶段fix住后，要训哪些参数），二阶段包含哪些信息，Backbone共享，一开始的这个backbone参数怎么来的？
(3)红绿灯先验（没什么强先验，主要是针对小目标以及密集目标），正负样本匹配（阈值，ATSS，OTA，SimOTA，FCOS用的哪个）
4.代码题（10min）
(1)IoU实现（c++）

三面：
1.自我介绍(5min)
2.实习经历1(20min)
(1)模型整体背景，动机，OPUS模型方法，选择的原因，基于原模型的改动
(2)对于一些小的障碍物检出效果怎么样，塑料袋之类的
(3)下游用行车Occ的情况，Bad case检出效果
(4)了解真值数据怎么来的吗
(5)工作地点/第一家公司的看法#牛客AI配图神器#
3. 反问（5min）
#发面经攒人品##我的秋招日记##面试太紧张了怎么办？#