42dot est une entreprise d’intelligence artificielle appliquée à la mobilité, qui travaille à l’intersection des technologies automobiles et de la logistique. Ses activités portent sur les technologies de véhicules définis par logiciel, les véhicules électriques autonomes ainsi que l’infrastructure logicielle et de données nécessaire à la mise en place de systèmes de transport urbain évolutifs. L’entreprise développe des logiciels pour véhicules, des plateformes de données pour les flottes et des modèles d’intelligence artificielle dédiés à la perception et au contrôle, ainsi que TAP!, son système d’exploitation de la mobilité destiné au déploiement de services autonomes. Grâce à ses recherches et à ses collaborations dans les domaines de l’électronique automobile et des architectures centrées sur les logiciels, 42dot cherche à rendre les systèmes de mobilité plus autonomes, adaptables et faciles à exploiter.
Ingénieur en apprentissage par renforcement pour la conduite autonome
Développer et optimiser des politiques d’apprentissage par renforcement pour les modèles de conduite autonome de 42dot. Créer des simulations en autojeu, des déroulements de scénarios et des évaluations de sécurité afin d’améliorer les performances de conduite.
Description
- Concevoir des interfaces d’observation et d’action entre les politiques VLA et les simulateurs, et développer le post-entraînement par apprentissage par renforcement en boucle fermée à l’aide de méthodes telles que GRPO et PPO.
- Mettre en place un entraînement en autojeu dans des simulateurs de conduite basés sur des vecteurs ou l’occupation, où le véhicule contrôlé et les agents de circulation interagissent avec les politiques actuelles et les points de contrôle précédents.
- Développer des déroulements d’actions et de trajectoires candidates pour différents scénarios futurs possibles, puis sélectionner les actions selon le rendement attendu et les contraintes de sécurité.
- Évaluer la sécurité et la généralisation des politiques à l’aide de tests comparatifs en boucle fermée.
- Analyser le détournement des récompenses et les biais du simulateur.
- Piloter les idées prometteuses en apprentissage par renforcement, de leur conception à l’entraînement à grande échelle, à leur évaluation rigoureuse et à leur intégration aux modèles de conduite.
Exigences
- Au moins trois ans d’expérience en apprentissage automatique, apprentissage par renforcement ou robotique, ou des compétences équivalentes en recherche et développement.
- Expérience dans la mise en œuvre d’algorithmes d’apprentissage de politiques ainsi que dans l’entraînement et l’évaluation avec Python et PyTorch.
- Compréhension de l’optimisation des politiques, de la conception des récompenses et de l’attribution du crédit, avec la capacité de concevoir des expériences d’apprentissage par renforcement.
- Expérience de l’entraînement de politiques en simulation ou dans des environnements multi-agents et de la vérification des progrès par rapport à des références.
- Maîtrise de l’anglais suffisante pour discuter de sujets techniques et collaborer avec des bureaux à l’étranger.
- Une expérience du développement de systèmes d’autojeu, d’apprentissage par renforcement multi-agent ou d’entraînement de populations de politiques est un atout.
- Une expérience de l’application de méthodes de post-entraînement par apprentissage par renforcement telles que GRPO ou PPO à des politiques VLA ou génératives est un atout.
- Une expérience de l’entraînement de politiques dans des simulateurs de conduite basés sur des vecteurs ou l’occupation, ou du développement d’une planification par déroulement fondée sur un modèle du monde, est un atout.
- Une expérience des déroulements parallèles à grande échelle, de l’entraînement distribué ou de la validation du transfert de la simulation au réel est un atout.
Avantages
- La préférence sera accordée aux anciens combattants et aux personnes bénéficiant d’une protection de l’emploi en vertu des lois applicables.
- La préférence sera accordée aux candidats titulaires d’une attestation de handicap enregistrée.
- Des vérifications de références pourront être effectuées avec le consentement du candidat après les entretiens.
- Une période d’essai de trois mois peut s’appliquer.