42dot es una empresa de inteligencia artificial aplicada a la movilidad que trabaja en la intersección de la tecnología automotriz y la logística. Su labor se centra en las tecnologías de vehículos definidos por software, los vehículos eléctricos autónomos y la infraestructura de software y datos necesaria para desarrollar sistemas de transporte urbano escalables. La empresa desarrolla software para vehículos, plataformas de datos para flotas y modelos de inteligencia artificial para la percepción y el control, además de TAP!, su sistema operativo de movilidad para implementar servicios autónomos. Mediante la investigación y la colaboración en electrónica de vehículos y arquitecturas basadas en software, 42dot busca hacer que los sistemas de movilidad sean más autónomos, adaptables y fáciles de operar.
Ingeniero de aprendizaje por refuerzo para conducción autónoma
Desarrolla y optimiza políticas de aprendizaje por refuerzo para los modelos de conducción autónoma de 42dot. Crea simulaciones de autojuego, ejecuciones de escenarios y evaluaciones de seguridad para mejorar el rendimiento de conducción.
Descripción
- Diseña interfaces de observación y acción entre las políticas VLA y los simuladores, y desarrolla el posentrenamiento de aprendizaje por refuerzo en bucle cerrado con métodos como GRPO y PPO.
- Crea entrenamiento de autojuego en simuladores de conducción basados en vectores o mapas de ocupación, donde el vehículo propio y los agentes del tráfico interactúan con las políticas actuales y los puntos de control anteriores.
- Desarrolla ejecuciones de acciones y trayectorias candidatas para posibles escenarios futuros y, después, selecciona acciones según el retorno esperado y las restricciones de seguridad.
- Evalúa la seguridad y la capacidad de generalización de las políticas con pruebas comparativas en bucle cerrado.
- Analiza la manipulación de recompensas y los sesgos del simulador.
- Lidera ideas prometedoras de aprendizaje por refuerzo desde su diseño hasta el entrenamiento a gran escala, la evaluación rigurosa y su integración en modelos de conducción.
Requisitos
- Al menos tres años de experiencia en aprendizaje automático, aprendizaje por refuerzo o robótica, o capacidad equivalente de investigación y desarrollo.
- Experiencia en la implementación de algoritmos de aprendizaje de políticas y en la realización de entrenamiento y evaluación con Python y PyTorch.
- Conocimientos de optimización de políticas, diseño de recompensas y asignación de crédito, así como capacidad para diseñar experimentos de aprendizaje por refuerzo.
- Experiencia en el entrenamiento de políticas en simulaciones o entornos multiagente y en la verificación de mejoras frente a referencias.
- Dominio del inglés suficiente para tratar cuestiones técnicas y colaborar con oficinas en otros países.
- Se valorará la experiencia en el desarrollo de sistemas de autojuego, aprendizaje por refuerzo multiagente o entrenamiento de poblaciones de políticas.
- Se valorará la experiencia en la aplicación de métodos de posentrenamiento de aprendizaje por refuerzo, como GRPO o PPO, a políticas VLA o generativas.
- Se valorará la experiencia en el entrenamiento de políticas en simuladores de conducción basados en vectores o mapas de ocupación, o en el desarrollo de planificación de ejecuciones basada en modelos del mundo.
- Se valorará la experiencia con ejecuciones paralelas a gran escala, entrenamiento distribuido o validación de la transferencia de simulación al mundo real.
Beneficios
- Se dará preferencia a veteranos y a personas con derecho a protección laboral conforme a la legislación aplicable.
- Se dará preferencia a quienes tengan un certificado de discapacidad registrado.
- Podrán realizarse verificaciones de referencias con el consentimiento de la persona solicitante una vez finalizado el proceso de entrevistas.
- Podría aplicarse un periodo de prueba de tres meses.