A Zoox autonóm mobilitási technológiát és kifejezetten szolgáltatásalapú mobilitásra tervezett járműflottát fejleszt. A vállalat a robotikát, a mesterséges intelligenciát, a járműmérnökséget, az elektromos járműveket és a fejlett érzékelési technológiákat ötvözi a biztonságosabb, tisztább és élvezetesebb közlekedés megteremtéséért. A Zoox teljesen autonóm, az utasok igényei köré épített járművekkel kívánja újragondolni az emberek személyes mobilitással kapcsolatos élményét.
Gépi tanulási mérnök, 3D-szenzorszimuláció
Gépi tanulási modelleket és szintetikus szenzoradatokat készíthet a Zoox autonóm járműflottájához. 3D rekonstrukciós és generatív módszerekkel javíthatja a lidar-, radar- és kamerás szimulációt.
Leírás
- Gépi tanulási modelleket fejleszt és validál, amelyek valósághűbbé teszik a szimulált lidar-, radar- és kamerás adatokat az autonóm járművek szimulációs folyamataiban.
- A 3D Gaussian Splatting és a NeRF-alapú rekonstrukciót különböző szenzortípusok szimulációjával kapcsolja össze, együttműködve a szintetikus adatokkal és a HIL-szimulációval foglalkozó csapatokkal.
- Valós és szimulált szenzoradatokból álló tanító adatkészleteket hoz létre és tart karban, generatív MI-technikákat használva az adatok bővítésére.
- A szimuláció ellenőrzésével és validálásával, valamint az észleléssel foglalkozó mérnökökkel együttműködve meghatározza a szenzorhűség mérőszámait, és kezeli a szimuláció és a valóság közötti jelentős eltéréseket.
- Mérnököket és gyakornokokat mentorál, továbbá bevált gyakorlatokat alakít ki a Zoox szenzoradatain használt gépi tanulási modellek tanítására és üzembe helyezésére.
- Nagy hűségű szintetikus adatokat és hardver a hurokban szimulációt készít az autonóm járművek MI-rendszereinek tanításához és értékeléséhez.
- Növeli a szimulált szenzoradatok valósághűségét, hogy segítse a Zoox robotikai autonóm rendszereinek tanulását és fejlődését.
Követelmények
- Legalább 3 év tapasztalat gépi tanulási modellek fejlesztésében Python, valamint PyTorch vagy TensorFlow használatával.
- Iparági tapasztalat a gépi tanulás szenzoradatokra, például lidar-, radar- vagy kamerás adatokra történő alkalmazásában.
- A gépi tanulási tanítási folyamatok testreszabásának, hangolásának és validálásának alapos ismerete.
- Tapasztalat generatív módszerekkel, például diffúziós modellekkel, flow matchinggel vagy variációs autoenkóderekkel.
- Tapasztalat 3D rekonstrukciós módszerekkel, többek között 3D Gaussian Splattinggel és NeRF-ekkel, vagy differenciálható rendereléssel.
- Korábbi tapasztalat autonóm járművekhez vagy más robotikai és számítógépes látási alkalmazásokhoz készülő autonóm rendszerek fejlesztésében.
Juttatások
- Fizetett betegszabadság, szabadság és gyászszabadság.
- Fizetés nélküli szabadság.
- Zoox részvényérték-növekedési jogosultságok.
- Amazon korlátozott részvényegységek (RSU-k).
- Egészségbiztosítás.
- Tartós ápolási biztosítás.
- Hosszú és rövid távú rokkantsági biztosítás.
- Életbiztosítás.
- A juttatási csomag belépési bónuszt is tartalmazhat.