关于小鹏汽车
小鹏汽车全面布局人形机器人（Iron系列），运动规划是实现自主导航与灵巧操作的核心技术。面试特别注重算法工程落地能力。
第1题：A*算法实现与工程优化
答案要点：
A核心是维护优先队列，每次取f=g+h最小的节点扩展。双向A起点和终点各维护一棵搜索树，将搜索空间从O(b^d)降至O(b^(d/2))。
工程优化：加权A*(f=g+ε·h)放弃最优性但大幅提速；JPS在栅格地图上减少90%+扩展节点；层级规划先粗后精；缓存策略复用搜索树。
第2题：RRT*/RRT-Connect/RRT选型
答案要点：
RRT随机采样+向最近节点扩展，概率完备但路径质量差。RRT*增加rewire步骤，渐进收敛到最优。RRT-Connect双树交替扩展，窄通道场景收敛极快。
选型：高维构型空间用RRT*，实时规划用RRT-Connect，路径需复用或作为MPC参考线时值得做rewiring。
第3题：Hybrid A*与运动学约束
答案要点：
Hybrid A搜索空间从离散格点变为连续+离散的混合，节点用运动基元扩展，状态空间引入朝向角θ。定期尝试Reeds-Shepp曲线直连目标点提前终止搜索。小鹏人形机器人步行规划需要足尖轨迹连续性，Hybrid A天然处理该问题。
第4题：TEB轨迹优化
答案要点：
TEB把路径想象成橡皮筋，受路径长度力（收缩）、平滑力、时间约束力（均匀拉伸）、避障力（推开障碍物）作用变形。用稀疏非线性优化求解。
工程问题：避障不收敛时fallback到全局重规划；路径抖动时加时间一致性惩罚项；窄通道中动态放大避障权重。
第5题：DWA动态窗口法
答案要点：
在速度空间(v,ω)采样→模拟轨迹→评价函数打分→选最高分。搜索空间受三重约束：可达速度、动态窗口（加减速限制）、安全速度（能及时停下）。
评价函数G(v,ω)=α·heading+β·dist+γ·velocity。归一化是关键------不归一化权重没有意义。DWA+TEB结合：DWA前端快速过滤+TEB后端精细优化。
第6题：GJK碰撞检测算法
答案要点：
GJK通过计算两个凸体的Minkowski差是否包含原点来判断碰撞。支持体通过Support函数生成，逐步迭代缩小包含原点的单纯形。
只适用于凸体，非凸体需要先分解为凸体组合。EPA算法可扩展计算最短分离距离和穿透深度。
第7题：速度规划------S-T图与速度曲线
答案要点：
S-T图将路径距离s与时间t的二维空间，障碍物在S-T图中投影为占用的区域。在S-T图中搜索一条不与障碍物占用区域重叠的曲线，确定每个时刻应到达的距离。
梯形速度曲线简单但加速度有突变，S形速度曲线（加加速度连续）更平滑但计算稍复杂。
第8题：系统设计------人形机器人全身运动规划架构
答案要点：
分层架构：任务层（任务拆解）→全局规划（Hybrid A*走哪条路）→局部规划（TEB/DWA精调轨迹）→控制层（MPC/WBC跟踪轨迹）。状态机管理各阶段切换，安全层实时监控碰撞风险。
第9题：动态避障中的TEB实时重规划
答案要点：
动态障碍物出现时TEB可能陷入局部极小值，解决策略：重规划触发条件（代价突变>阈值时），fallback机制（TEB失败→用RRT-Connect生成新路径→重新喂给TEB），热启动（利用上一帧优化结果加速收敛）。
第10题：非结构化环境的RRT*落地实践
答案要点：
非结构化环境（草地、碎石路）中代价函数需要结合地形可通过性。在RRT*的cost中加入地形代价（基于视觉的地形分类）。后处理做轨迹平滑（B样条曲线拟合），输出给MPC作为参考轨迹。