A 42dot a járműipari technológia és a logisztika metszéspontjában működő mobilitási mesterségesintelligencia-vállalat. Tevékenysége a szoftver által definiált járműtechnológiákra, az autonóm elektromos járművekre, valamint a nagy léptékű városi közlekedéshez szükséges szoftver- és adatinfrastruktúrára összpontosít. A vállalat járműszoftvereket, flottadat-platformokat és az észleléshez, illetve vezérléshez használható mesterségesintelligencia-modelleket fejleszt, továbbá létrehozta a TAP! mobilitási operációs rendszert az autonóm szolgáltatások bevezetéséhez. A járműelektronikával és a szoftverközpontú architektúrákkal kapcsolatos kutatásokon és együttműködéseken keresztül a 42dot célja, hogy a mobilitási rendszereket autonómabbá, alkalmazkodóképesebbé és könnyebben üzemeltethetővé tegye.
Megerősítéses tanulási mérnök, autonóm vezetés
Fejlesszen és optimalizáljon megerősítéses tanulási irányelveket a 42dot autonóm vezetési modelljeihez. A vezetési teljesítmény javításához építsen önjátszó szimulációkat, forgatókönyv-lefuttatásokat és biztonsági értékeléseket.
Leírás
- Tervezzen megfigyelési és műveleti interfészeket a VLA irányelvek és a szimulátorok között, és fejlesszen zárt hurkú megerősítéses tanulási utótréninget olyan módszerekkel, mint a GRPO és a PPO.
- Építsen önjátszó tanítást vektor- vagy foglaltságalapú vezetési szimulátorokban, ahol az ego jármű és a forgalmi szereplők a jelenlegi irányelvekkel és korábbi ellenőrzőpontokkal lépnek interakcióba.
- Dolgozzon ki lehetséges jövőbeli forgatókönyvekre jelölt művelet- és pályalefuttatásokat, majd válasszon műveleteket a várható hozam és a biztonsági korlátok alapján.
- Értékelje az irányelvek biztonságát és általánosíthatóságát zárt hurkú benchmarkokkal.
- Elemezze a jutalom kijátszását és a szimulátor torzítását.
- Vigye végig az ígéretes megerősítéses tanulási ötleteket a tervezéstől a nagy léptékű tanításon és szigorú értékelésen át a vezetési modellekbe történő integrációig.
Követelmények
- Legalább három év tapasztalat gépi tanulás, megerősítéses tanulás vagy robotika területén, vagy ezzel egyenértékű kutatási és fejlesztési képesség.
- Tapasztalat irányelvtanulási algoritmusok megvalósításában, valamint Python és PyTorch használatával végzett tanításban és értékelésben.
- Az irányelv-optimalizálás, a jutalomtervezés és a kredit-hozzárendelés ismerete, továbbá képesség megerősítéses tanulási kísérletek tervezésére.
- Tapasztalat irányelvek szimulációban vagy többügynökös környezetben történő tanításában, valamint a javulások alapértékekhez viszonyított ellenőrzésében.
- Angol kommunikációs készség műszaki kérdések megvitatásához és a külföldi irodákkal való együttműködéshez.
- Tapasztalat önjátszó, többügynökös megerősítéses tanulási vagy irányelvpopulációs tanítórendszerek fejlesztésében (előny).
- Tapasztalat olyan megerősítéses tanulási utótréning-módszerek, mint a GRPO vagy a PPO alkalmazásában VLA- vagy generatív irányelvekre (előny).
- Tapasztalat irányelvek tanításában vektor- vagy foglaltságalapú vezetési szimulátorokban, illetve világmodell-alapú lefuttatástervezés fejlesztésében (előny).
- Tapasztalat nagy léptékű párhuzamos lefuttatásokban, elosztott tanításban vagy szimulációból valós környezetbe történő validálásban (előny).
Juttatások
- Elsőbbséget élveznek a veteránok és az alkalmazandó törvények szerinti foglalkoztatási védelemre jogosult személyek.
- Elsőbbséget élveznek a regisztrált fogyatékossági igazolvánnyal rendelkező pályázók.
- Az interjúfolyamat után, a pályázó beleegyezésével referenciaellenőrzésre kerülhet sor.
- Három hónapos próbaidő alkalmazható.