基础编程与开发能力编程语言精通：需熟练掌握 C++ 以保障底层算法的高效运行和系统稳定性，同时要熟悉 Python 用于算法原型开发、数据处理与脚本编写，部分场景还需具备 ROS 或 ROS2 编程经验，适配智能驾驶常用的机器人操作系统。 开发环境与工具运用：熟练操作 Linux 开发环境，掌握 Bash 脚本编程，能应对智能驾驶主流的开发部署场景；还需会使用 Carsim 等车辆仿真工具，以及 CARLA、LGSVL 等大规模仿真系统，用于算法的仿真验证与测试。 框架与工具实操：精通至少一种主流深度学习框架，如 PyTorch、TensorFlow，用于感知、决策等模块的模型训练；对于数值优化求解器，像 OSQP、Ipopt 等的实际应用经验也会成为加分项。 核心技术专业能力感知方向：深入掌握视觉、激光雷达等传感器的感知技术，熟悉目标识别、跟踪、分类算法，以及可行驶区域分割算法；具备多传感器融合经验，能处理激光雷达、毫米波雷达、摄像头等多源数据的融合问题，提升环境感知的准确性。

决策规划方向：熟练运用有限状态机、行为树等决策逻辑工具，以及多智能体博弈理论，应对复杂交通场景中的行为决策；精通 A*、RRT * 等搜索与采样算法，还有 QP、NLP 等基于最优化的轨迹生成算法，能设计出符合车辆动力学约束的安全、平滑行驶轨迹。 控制方向：精通现代控制理论算法，如模型预测控制（MPC）、线性二次调节器（LQR）、卡尔曼滤波等，结合车辆运动学与动力学模型，实现车辆的精准控制；了解 ACC、LKA、AEB 等 ADAS 核心功能的控制逻辑，能保障功能的稳定落地。 系统架构方向：熟悉智能驾驶电子电气架构和软件架构，掌握 CAN、以太网、LVDS 等车载网络通信技术，能完成通信矩阵的审核与设计；清晰理解感知、定位、规划、控制等各模块的依赖关系与接口设计，可统筹子系统方案设计与集成。