42dot on liikuvusvaldkonna tehisintellekti ettevõte, mis tegutseb autotehnoloogia ja logistika kokkupuutepunktis. Ettevõtte töö keskendub tarkvarapõhiste sõidukite tehnoloogiatele, autonoomsetele elektrisõidukitele ning skaleeritava linnatranspordi jaoks vajalikele tarkvara- ja andmetaristutele. 42dot arendab sõidukitarkvara, sõidukipargi andmeplatvorme ning tajumiseks ja juhtimiseks mõeldud tehisintellektimudeleid. Samuti arendab ettevõte liikuvuse operatsioonisüsteemi TAP!, mille abil saab kasutusele võtta autonoomseid teenuseid. Sõidukielektroonika ja tarkvarakesksete arhitektuuride alase teadustöö ning koostöö kaudu soovib 42dot muuta liikuvussüsteemid autonoomsemaks, kohanemisvõimelisemaks ja lihtsamini hallatavaks.
Tugevdusõppe insener, autonoomne sõitmine
Arendad ja optimeerid 42doti autonoomse sõidu mudelite tugevdusõppe poliitikaid. Lood isemängimise simulatsioone, stsenaariumide läbimänge ja ohutushindamisi, et parandada sõiduvõimekust.
Kirjeldus
- Kavandad vaatlus- ja tegevusliidesed VLA-poliitikate ning simulaatorite vahel ja arendad suletud ahelaga tugevdusõppe järelõpet, kasutades näiteks GRPO- ja PPO-meetodeid.
- Lood isemängimise treeningu vektor- või hõivepõhistes sõidusimulaatorites, kus ego-sõiduk ja liiklusagendid suhtlevad praeguste poliitikate ning varasemate kontrollpunktidega.
- Arendad võimalike tulevikustsenaariumide jaoks tegevuste ja trajektooride kandidaatläbimänge ning valid seejärel tegevused oodatava tulu ja ohutuspiirangute alusel.
- Hindad poliitikate ohutust ja üldistusvõimet suletud ahelaga võrdlustestide abil.
- Analüüsid tasufunktsiooni ärakasutamist ja simulaatori kallutatust.
- Juhid paljulubavad tugevdusõppe ideed kavandamisest suuremahulise treeningu ja põhjaliku hindamiseni ning nende integreerimiseni sõidumudelitesse.
Nõuded
- Vähemalt kolmeaastane kogemus masinõppe, tugevdusõppe või robootika valdkonnas või samaväärne teadus- ja arendussuutlikkus.
- Kogemus poliitikaõppe algoritmide rakendamisel ning treeningu ja hindamise läbiviimisel Pythonis ja PyTorchis.
- Arusaam poliitika optimeerimisest, tasude kujundamisest ja panuse omistamisest ning oskus kavandada tugevdusõppe katseid.
- Kogemus poliitikate treenimisel simulatsioonis või mitme agendiga keskkondades ning parenduste võrdlemisel lähtevariantidega.
- Piisav inglise keele oskus tehniliste küsimuste arutamiseks ja koostööks välisriikide kontoritega.
- Isemängimise, mitme agendiga tugevdusõppe või poliitikapopulatsioonide treeningsüsteemide arendamise kogemus tuleb kasuks.
- Tugevdusõppe järelõppe meetodite, näiteks GRPO või PPO rakendamise kogemus VLA- või generatiivsetele poliitikatele tuleb kasuks.
- Poliitikate treenimise kogemus vektor- või hõivepõhistes sõidusimulaatorites või maailmamudelipõhise läbimänguplaani arendamisel tuleb kasuks.
- Suuremahuliste paralleelläbimängude, hajutatud treeningu või simulatsioonist tegelikku keskkonda valideerimise kogemus tuleb kasuks.
Hüved
- Eelistatakse veterane ja inimesi, kellel on kohaldatavate seaduste alusel õigus tööhõivealasele kaitsele.
- Eelistatakse taotlejaid, kellel on registreeritud puudetõend.
- Pärast intervjuuprotsessi võidakse taotleja nõusolekul küsida soovitusi.
- Võib rakenduda kolmekuuline katseaeg.