Caterpillar Inc.
Caterpillar Inc.
Caterpillar Inc. er en global produktionsvirksomhed, der udvikler tungt udstyr og motorer til bygge-, mine-, energi- og andre infrastrukturorienterede brancher. Produktporteføljen omfatter gravemaskiner, dozere, knækstyrede dumpere og kraftsystemer, understøttet af avanceret teknologi og et verdensomspændende forhandlernetværk. Virksomheden blev grundlagt i 1925 og kombinerer mange års industriel ekspertise med fokus på at forbedre produktiviteten og fremme mere bæredygtigt udstyr og mere bæredygtig drift.

Prediktionsingeniør for autonome minekøretøjer

Udvikl adfærds- og baneprediktion til Caterpillars autonome minekøretøjer, og bidrag til sikrere drift og mere effektiv transport. Byg og integrér prædiktionssystemer med ROS 2 og C++ til minemiljøer.

Beskrivelse

  • Udvikl algoritmer til adfærds- og kortbegrænset baneprediktion til autonom minedrift. Lever pålidelige input til planlægningen, og forbedr køretøjssikkerhed og transporteffektivitet.
  • Definér prædiktionsarkitektur, input, output, dataflows og grænsefladekontrakter med systemer til perception, sporing, HD-kort, planlægning og sikkerhed.
  • Byg arbejdsgange til modellering af objekttilstand, banehistorik, genkendelse af hensigt, multimodal prædiktion, konfidensrapportering og fejldiagnose.
  • Design fortolkelige og testbare prædiktionsrammer, der kan udvides til kryds, transportveje, læsse- og aflæsningsområder, køer, svage netværk og ufuldstændige oplysninger fra flådestyringen.
  • Modellér adfærd og bevægelse for autonome og manuelt betjente minetrucks, støttefartøjer, gravemaskiner, læssemaskiner, vandvogne og fodgængere.
  • Udvikl hensigtsgenkendelse og baneprediktion for at følge efter, overhale, flette ind, vige, passere kryds samt for køretøjsskift og køer ved læsse- og aflæsningsområder.
  • Brug HD-kort, vejtopologi, arbejdspladssemantik, vigepligt og flådestyringsoplysninger til at generere rutekandidater, tidsmæssig belægning, konfliktsandsynligheder og usikkerhedsestimater.
  • Samarbejd med teams for perception, prædiktion, planlægning, sikkerhed og simulering, så resultaterne understøtter kollisionskontrol, vigeadfærd, følgekørsel, undvigelse af forhindringer og hastighedsplanlægning.
  • Etablér scenarieudvælgelse, mærkning og målepunkter, afspilning af simuleringer, genskabelse af problemer og validering på køretøjer for at udvide dækningen og pålideligheden i komplekse situationer.
  • Forbedr prædiktionens latenstid, ressourceforbrug, stabilitet og udrulning, herunder ROS 2- og C++-integration, logning og fejlfinding.

Krav

  • Kandidatgrad eller højere inden for autonom kørsel, robotteknologi, kunstig intelligens, datalogi, reguleringsteknik, køretøjsteknik eller et beslægtet område.
  • Mindst fem års erfaring med algoritmeudvikling inden for autonom kørsel, robotteknologi eller ubemandede systemer.
  • Projekterfaring med prædiktion, sporing, adfærdsforståelse eller planlægning.
  • Erfaring med at bygge et algoritmemodul fra bunden, definere grænseflader og evalueringsmål samt drive løbende forbedringer.
  • Kendskab til metoder til bevægelsesprædiktion og tilstandsestimering, såsom CV, CA, CTRV, CTRA, Kalmanfiltre, EKF, UKF og IMM.
  • Erfaring med prædiktionsmetoder baseret på deep learning, såsom LSTM, GRU, Transformers, GNN, LaneGCN, VectorNet, HiVT, MTR eller Scene Transformer, er en fordel.
  • Erfaring med multimodal baneprediktion, adfærds- og hensigtsgenkendelse, interaktionsmodellering, banescoring, usikkerhedsmodellering og konfidenskalibrering.
  • Forståelse af HD-kort, vejtopologi, kortmatching, kortsemantik, rutetilknytning og generering af kortbegrænsede kandidatbaner.
  • Forståelse af sammenhængen mellem prædiktion og planlægning samt evne til at omsætte prædiktioner til tekniske input til sikkerhedsafstande, konfliktdetektering, vigemanøvrer, følgekørsel og undvigelse af forhindringer.
  • Erfaring med autonom kørsel i miner, havne, industriområder, logistikgårde, entreprenørmaskiner eller andre komplekse, lukkede miljøer er en fordel.
  • Erfaring med blandet trafik, blandede flåder, koordinering af flere køretøjer, V2X, koordinering med skybaseret flådestyring eller interaktionsprædiktion for køretøjer, der ikke samarbejder, er en fordel.
  • Erfaring med datafeedbacksløjfer, automatisk mærkning, simuleringsbaseret evaluering, afspilning af køretøjsdata, modeludrulning og diagnosticering af produktionsproblemer er en fordel.
  • Kendskab til prædiktionsmodulerne i Apollo, Autoware eller store platforme til autonom kørsel er en fordel.
  • Erfaring med at prædiktere adfærd og baner på ustrukturerede veje eller ved ufuldstændige eller lokalt utilgængelige kortoplysninger er en fordel.

Fordele

  • Arbejdsgiveren tilbyder lige muligheder.
  • Ansøgere i alle aldre, der opfylder kvalifikationerne, opfordres til at søge.
  • Mulighed for at blive en del af talentfællesskabet.

Relaterede job