Какие компоненты входят в систему беспилотника
Что проверяют
Видите ли вы систему целиком и понимаете ли, где в ней ML, а где классическая инженерия. Сначала уточните, о чём речь: беспилотный автомобиль или дрон, стеки у них разные. Следом обычно спрашивают, как оценить модель восприятия и где брать данные для редких ситуаций.
Как отвечать
Для автомобиля опишите конвейер от датчиков до руля:
- сенсоры: камеры, лидары, радары, GNSS и IMU. У каждого свои слабости: камеру слепит солнце, лидар теряется в ливне, радар даёт грубую форму объекта;
- локализация: положение с точностью до сантиметров по GNSS, IMU, одометрии и HD-карте;
- восприятие: детекция и трекинг объектов, сегментация дороги, светофоры и знаки, слияние данных сенсоров (sensor fusion);
- предсказание: куда двинутся другие участники в ближайшие секунды;
- планирование: выбор манёвра и траектории с учётом правил и комфорта;
- управление: перевод траектории в руль, газ и тормоз, часто через MPC или PID;
- бортовой вычислитель: инференс с жёстким бюджетом задержки, модели ужимают квантизацией и компилируют под ускоритель.
У дрона добавьте полётный контроллер на PX4 или ArduPilot, регуляторы моторов, канал телеметрии и бортовой компьютер для зрения.
Для ML-специалиста главное назвать контур данных: записи заездов, разметка, поиск редких сценариев в логах, переобучение, проверка в симуляции и повторным прогоном логов до выката на машину. Добавьте безопасность: резервирование датчиков, режим минимального риска, стандарты ISO 26262 и ISO 21448 (SOTIF).
Где спотыкаются
Перечисляют железо: камера, аккумулятор, корпус, и ни слова о программном стеке. Для ML-позиции это мимо.
Говорят, что одна end-to-end нейросеть решает всё. Такие подходы развиваются, но валидация и безопасность никуда не деваются.
Оценивают модель только офлайн-метриками вроде mAP. Интервьюеру важнее, как ошибка детекции меняет поведение машины и как вы ловите это в симуляции.