42dot е компания за изкуствен интелект в сферата на мобилността, която работи на пресечната точка между автомобилните технологии и логистиката. Дейността ѝ е насочена към технологии за превозни средства, определяни от софтуер, автономни електрически превозни средства, както и софтуерната и информационната инфраструктура, необходима за мащабируем градски транспорт. Компанията разработва софтуер за превозни средства, платформи за данни от автопаркове и модели с изкуствен интелект за възприемане на средата и управление, наред с TAP! — нейната операционна система за мобилност за внедряване на автономни услуги. Чрез изследвания и сътрудничество в областта на автомобилната електроника и архитектурите, поставящи софтуера на първо място, 42dot се стреми да направи системите за мобилност по-автономни, адаптивни и лесни за експлоатация.
Инженер по обучение с подсилване за автономно шофиране
Разработвайте и оптимизирайте политики за обучение с подсилване за моделите на 42dot за автономно шофиране. Създавайте симулации със самообучение, разиграване на сценарии и оценки на безопасността, за да подобрявате представянето при шофиране.
Описание
- Проектирайте интерфейси за наблюдения и действия между VLA политиките и симулаторите и разработвайте последващо обучение с подсилване в затворен цикъл чрез методи като GRPO и PPO.
- Изграждайте обучение със самообучение във векторни симулатори за шофиране или симулатори, базирани на заетостта на пространството, в които автономният автомобил и участниците в движението взаимодействат с текущи политики и предишни контролни точки.
- Разработвайте разигравания на възможни действия и траектории в различни бъдещи сценарии, след което избирайте действия според очакваната възвръщаемост и ограниченията за безопасност.
- Оценявайте безопасността и способността за обобщаване на политиките чрез тестове в затворен цикъл.
- Анализирайте манипулирането на системата за възнаграждение и отклоненията на симулатора.
- Ръководете перспективни идеи за обучение с подсилване от проектирането им през мащабно обучение и задълбочена оценка до интегрирането им в модели за шофиране.
Изисквания
- Най-малко три години опит в машинното обучение, обучението с подсилване или роботиката, или еквивалентни умения за научноизследователска и развойна дейност.
- Опит с внедряване на алгоритми за обучение на политики и провеждане на обучение и оценяване с Python и PyTorch.
- Познания за оптимизация на политики, проектиране на възнаграждения и приписване на заслуги, както и умение за планиране на експерименти с обучение с подсилване.
- Опит с обучение на политики в симулация или среди с множество агенти и проверка на подобренията спрямо базови резултати.
- Английски език на ниво, достатъчно за обсъждане на технически въпроси и сътрудничество с офиси в чужбина.
- Опит с разработване на системи за самообучение, обучение с подсилване с множество агенти или обучение на популации от политики (предимство).
- Опит с прилагане на методи за последващо обучение с подсилване, като GRPO или PPO, към VLA или генеративни политики (предимство).
- Опит с обучение на политики във векторни симулатори за шофиране или симулатори, базирани на заетостта на пространството, или с разработване на планиране чрез разигравания, базирано на модел на света (предимство).
- Опит с мащабни паралелни разигравания, разпределено обучение или валидиране при пренос от симулация към реалния свят (предимство).
Придобивки
- Предимство се дава на ветерани и на лица, които имат право на защита при наемане на работа съгласно приложимото законодателство.
- Предимство се дава на кандидати с регистрирано удостоверение за увреждане.
- След интервюто може да бъдат проверени препоръки със съгласието на кандидата.
- Възможно е да се прилага тримесечен изпитателен срок.