安克规划控制算法挂经:强化学习弊端、学习方法与智能指针
- 结果
- 挂了
- 时间
- 2026-11
- 来源
- 牛客网
《面试题目》
- 强化学习方法的弊端是什么?
- 基于学习的方法和基础方法(经典规划控制)的发展是怎样的?
- 未来的职业方向规划是什么?
- 虚函数和纯虚函数有什么区别?
- 智能指针有哪些?分别怎么用?
《参考解析》
强化学习的弊端要答到「为什么机器人产品不敢直接用」这一层。 一是样本效率:训练要靠海量交互,真机上不可能试错几百万次,只能靠仿真,于是引出 sim2real gap(动力学、摩擦、感知噪声、延迟都对不上)。二是奖励设计:奖励写得不全,策略就会钻空子(只扫地不回家、绕开花费时间的区域),而写全又是一个多目标调参问题。三是没有保证:训练收敛性、策略在分布外状态下的行为都无法证明,安全关键场景需要硬约束兜底。四是可解释与可回归:出了问题很难定位是感知、奖励还是策略,版本迭代也没有稳定的回归指标。五是算力与实时性:端侧算力有限,大网络跑不到控制频率。补一句工程现实:这些正是它在割草机、扫地机上多以「局部策略 + 经典兜底」形态出现的原因。
学习方法和经典方法的发展,别答成二选一。 经典那条线是几何与最优控制:A*、Dijkstra 做全局规划,DWA、TEB 做局部避障,MPC 做带约束的滚动优化,优点是可行性与稳定性可分析、参数可解释、调试直观;缺点是依赖精确地图与模型,遇到动态障碍、非结构化环境、需要拟人行为时吃力。学习那条线补的是感知不确定性与复杂场景的决策:从模仿学习做行为克隆,到 RL 做局部策略与参数自适应,再到端到端。当前落地的主流是混合:学习负责预测他体轨迹、估计可通行性、调 MPC 的权重与终端约束,经典层负责安全边界与可行性校验。被问到趋势时给出判断:短中期是「学习进模块、经典保底」,端到端先在封闭场景验证。
职业规划:算法岗这题在验「你想做的那件事我们这儿有没有」。答成三层——想深耕的方向(规划控制里的决策与优化)、想补的能力(从算法到量产落地的工程链:标定、评测、上车调试)、以及为什么是这家(清洁机器人是规划控制少有的真量产场景,数据闭环与场景复杂度都够)。
虚函数与纯虚函数:虚函数有实现,子类可覆写也可直接用,靠虚表和虚指针在运行期分派;纯虚函数写作 = 0,只有声明没有实现,含纯虚函数的类是抽象类、不能实例化,子类必须实现它才能实例化,因此常用来定义接口。两个必须提的细节:基类析构函数要写成 virtual,否则通过基类指针删除派生对象时派生部分不会被析构;构造函数里调用虚函数不会分派到子类(此时虚表还没建立)。
智能指针:unique_ptr 独占所有权,不可拷贝只可 std::move 转移,无引用计数开销,默认首选;shared_ptr 共享所有权,控制块里维护强引用与弱引用计数,make_shared 把对象与控制块一次分配更省,代价是原子计数与循环引用(两个对象互持就永远不释放,要用 weak_ptr 打破);weak_ptr 不增加强引用,用 lock() 提升为 shared_ptr 再访问,适合缓存、观察者与父子互引。再补一句选型顺序:能栈上就栈上,需要堆就用 unique_ptr,确实共享才 shared_ptr。
这场面试的信号:没有手撕、没有八股轰炸,问的全是「你怎么理解这个方向」,说明团队在筛方向匹配度与判断力。答这类题要给观点和取舍,而不是罗列名词;如果只能复述教科书定义,很容易被判成「没做过真东西」。投递到面试隔了两周、面试又改期一次,节奏上也别把等待当成没戏。