Ang 42dot ay isang kumpanyang nakatuon sa AI para sa mobility na nagtatrabaho sa pagitan ng teknolohiyang automotive at logistics. Nakatuon ang gawain nito sa mga teknolohiya ng software-defined vehicle, mga autonomous na de-kuryenteng sasakyan, at imprastraktura ng software at datos na kailangan para sa transportasyong panlungsod na maaaring palawakin. Gumagawa ang kumpanya ng software para sa sasakyan, mga platform ng datos para sa fleet, at mga modelo ng AI para sa perception at control, kasama ang TAP!, ang operating system nito para sa mobility na ginagamit sa pagpapatupad ng mga autonomous na serbisyo. Sa pamamagitan ng pananaliksik at pakikipagtulungan sa electronics ng sasakyan at mga arkitekturang inuuna ang software, layunin ng 42dot na gawing mas autonomous, madaling iangkop, at mas madaling patakbuhin ang mga sistema ng mobility.
Inhinyero sa Reinforcement Learning para sa Autonomous Driving
Bumuo at mag-optimize ng mga reinforcement learning policy para sa mga autonomous driving model ng 42dot. Gumawa ng mga self-play simulation, scenario rollout, at safety evaluation upang mapahusay ang performance sa pagmamaneho.
Paglalarawan
- Idisenyo ang mga interface ng observation at action sa pagitan ng mga VLA policy at simulator, at bumuo ng closed-loop reinforcement learning post-training gamit ang mga paraang gaya ng GRPO at PPO.
- Bumuo ng self-play training sa mga vector- o occupancy-based driving simulator, kung saan nakikipag-ugnayan ang ego vehicle at mga traffic agent gamit ang kasalukuyang policy at mga naunang checkpoint.
- Bumuo ng mga candidate action at trajectory rollout para sa iba’t ibang posibleng susunod na scenario, pagkatapos ay pumili ng action batay sa inaasahang return at mga safety constraint.
- Suriin ang kaligtasan at generalization ng policy gamit ang mga closed-loop benchmark.
- Suriin ang reward hacking at bias ng simulator.
- Pangunahan ang mga promising na ideya sa reinforcement learning mula sa disenyo, malakihang training, at masusing evaluation hanggang sa integrasyon sa mga driving model.
Mga Kinakailangan
- May hindi bababa sa tatlong taong karanasan sa machine learning, reinforcement learning, o robotics, o katumbas na kakayahan sa pananaliksik at development.
- May karanasan sa pagpapatupad ng mga policy learning algorithm at pagsasagawa ng training at evaluation gamit ang Python at PyTorch.
- May pag-unawa sa policy optimization, reward design, at credit assignment, at kakayahang magdisenyo ng mga reinforcement learning experiment.
- May karanasan sa training ng mga policy sa simulation o multi-agent environment at pag-verify ng mga pagpapahusay kumpara sa baseline.
- Sapat ang kasanayan sa Ingles upang talakayin ang mga teknikal na usapin at makipagtulungan sa mga tanggapan sa ibang bansa.
- Karanasan sa pagbuo ng self-play, multi-agent reinforcement learning, o mga policy population training system (mas mainam).
- Karanasan sa paggamit ng mga reinforcement learning post-training method gaya ng GRPO o PPO sa VLA o mga generative policy (mas mainam).
- Karanasan sa training ng mga policy sa vector- o occupancy-based driving simulator, o pagbuo ng world-model-based rollout planning (mas mainam).
- Karanasan sa malakihang parallel rollout, distributed training, o sim-to-real validation (mas mainam).
Mga Benepisyo
- Mas bibigyang-priyoridad ang mga beterano at mga taong karapat-dapat sa proteksiyon sa trabaho sa ilalim ng mga naaangkop na batas.
- Mas bibigyang-priyoridad ang mga aplikanteng may rehistradong disability certificate.
- Maaaring magsagawa ng reference check matapos ang proseso ng panayam kung may pahintulot ang aplikante.
- Maaaring ipatupad ang tatlong buwang probationary period.