2025年人工智能智能驾驶工程师面试题目及答案.docxVIP

2025年人工智能智能驾驶工程师面试题目及答案

一、单项选择题（每题2分，共20分）

1.在端到端自动驾驶系统中，若将原始图像直接输入神经网络输出转向角，下列哪项正则化手段最能抑制因光照突变引起的过拟合？

A.Dropout

B.批量归一化

C.颜色抖动（ColorJittering）

D.L2权重衰减

答案：C。颜色抖动在训练阶段随机改变亮度、对比度，使网络对光照变化鲁棒，直接缓解因光照突变产生的过拟合。

2.某L4级无人车在十字路口左转时，感知模块给出“可通行”概率0.87，地图先验给出“禁止左转”概率0.92，若采用贝叶斯融合，最终禁止左转的概率约为（先验与似然均视为高斯）：

A.0.95

B.0.89

C.0.93

D.0.91

答案：A。贝叶斯融合后，禁止左转的后验概率≈0.95，体现强先验对决策的修正。

3.在基于LiDAR的SLAM中，若发生Z轴漂移，最可能的原因是：

A.激光雷达水平安装角偏差0.1°

B.IMU的加速度计零偏未标定

C.回环检测阈值过高

D.地面点云未充分滤除

答案：B。IMU零偏导致二次积分误差在Z轴累积，表现为高度漂移。

4.采用OccupancyGridMap进行路径规划时，若分辨率从0.2m降至0.1m，计算量约增加：

A.2倍

B.4倍

C.8倍

D.16倍

答案：C。三维栅格体积与分辨率立方成反比，计算量呈8倍增长。

5.在强化学习决策系统中，使用PPO算法训练策略网络，若优势函数估计方差过大，优先调整的超参数是：

A.学习率

B.GAE-λ

C.熵系数

D.裁剪阈值ε

答案：B。GAE-λ控制优势估计的偏差-方差权衡，减小λ可降低方差。

6.某车搭载5个800万像素摄像头，以30Hz同步采集，若采用H.265压缩比1:80，全天24小时存储量约为：

A.2.1TB

B.4.3TB

C.6.7TB

D.8.9TB

答案：C。单帧压缩后≈0.4MB，五路30Hz×86400s×0.4MB≈6.2TB，考虑I帧冗余与元数据，取6.7TB。

7.在功能安全ISO26262中，若某传感器ASIL等级为B，系统级目标为ASILD，则剩余风险需通过：

A.冗余传感器且独立供电

B.软件自检周期100ms

C.增加驾驶员提示

D.降低车速至20km/h

答案：A。独立冗余可将随机硬件失效率降至ASILD要求。

8.采用Transformer做目标检测时，若Query数量从100增至300，训练显存占用约增加：

A.30%

B.60%

C.100%

D.150%

答案：C。Self-Attention显存与Query×Key成正比，3002/1002=2.25，考虑前馈网络与中间激活，整体约翻倍。

9.在自动驾驶法规中，联合国UN-R157对ALKS系统要求的最小接管请求时间为：

A.2s

B.4s

C.8s

D.10s

答案：D。R157规定10s接管请求，给驾驶员充分反应。

10.若使用8bit量化部署YOLOv8n，mAP下降0.8%，但推理延迟从8ms降至3ms，其性价比提升倍数约为：

A.1.7

B.2.1

C.2.6

D.3.0

答案：C。性价比定义为mAP/延迟，量化前1/8=0.125，量化后0.992/3≈0.331，提升0.331/0.125≈2.6。

二、多项选择题（每题3分，共15分）

11.关于BEV（Bird’sEyeView）感知，下列说法正确的是：

A.LSS（Lift-Splat-Shoot）显式估计深度分布

B.BEVFormer采用Cross-Attention融合多帧时序

C.在nuScenes上，BEVDet比PointPillarsmAP高主要因为多模态

D.将相机外参扰动0.05rad可提升BEV深度鲁棒性

答案：A、B、D。C错误，BEVDet纯视觉，PointPillars纯LiDAR，性能差异源于表征方式而非模态数量。

12.下列哪些方法可直接用于解决“长尾”罕见目标检测？

A.FocalLoss

B.Class-BalancedLoss

C.数据增强+GAN合成

D.自监督预训练

答案：A、B、C、D。Focal与CBLoss重加权；GAN合成罕见样本；自监督提升泛化。

13.关于高精地图更新，正确的是：

A.众