Caterpillar Inc.
Caterpillar Inc.
Caterpillar Inc. er et globalt produksjonsselskap som utvikler tungt utstyr og motorer for bygg-, gruve-, energi- og andre infrastrukturfokuserte bransjer. Produktporteføljen omfatter gravemaskiner, bulldosere, rammestyrte dumpere og kraftsystemer, støttet av avansert teknologi og et verdensomspennende forhandlernettverk. Selskapet ble grunnlagt i 1925 og kombinerer lang industriell erfaring med et fokus på å forbedre produktiviteten og fremme mer bærekraftig utstyr og drift.

Prediksjonsingeniør for autonome gruvekjøretøy

Utvikle atferds- og baneprediksjon for Caterpillars autonome gruvekjøretøy, og bidra til tryggere drift og mer effektiv transport. Bygg og integrer prediksjonssystemer med ROS 2 og C++ for gruvemiljøer.

Beskrivelse

  • Utvikle algoritmer for atferds- og kartbegrenset baneprediksjon for autonom gruvedrift. Gi pålitelige innspill til planleggingen og forbedre kjøretøysikkerhet og transporteffektivitet.
  • Definer prediksjonsarkitektur, inndata, utdata, dataflyt og grensesnittavtaler med systemer for persepsjon, sporing, HD-kart, planlegging og sikkerhet.
  • Bygg arbeidsflyter for modellering av objekttilstand, banehistorikk, intensjonsgjenkjenning, multimodal prediksjon, konfidensrapportering og feildiagnostikk.
  • Utform tolkbare og testbare prediksjonsrammeverk som kan utvides til kryss, transportveier, laste- og losseområder, køer, svake nettverk og ufullstendig informasjon fra flåtestyringen.
  • Modeller atferd og bevegelse for autonome og manuelt betjente gruvetrucker, støttefartøy, gravemaskiner, hjullastere, vanntankbiler og fotgjengere.
  • Utvikle intensjonsgjenkjenning og baneprediksjon for å følge etter, kjøre forbi, flette inn, vike, passere kryss samt for kjøretøybytter og køer ved laste- og losseområder.
  • Bruk HD-kart, ve topologi, arbeidsstedets semantikk, vikeplikt og flåtestyringsinformasjon til å generere mulige ruter, tidsmessig opptatt areal, konfliktsannsynligheter og usikkerhetsestimater.
  • Samarbeid med team for persepsjon, prediksjon, planlegging, sikkerhet og simulering slik at resultatene støtter kollisjonssjekker, vikeatferd, følgekjøring, hindringsunngåelse og hastighetsplanlegging.
  • Etabler scenarioinnsamling, merking og måltall, avspilling av simuleringer, reproduksjon av problemer og kjøretøyvalidering for å utvide dekningen og påliteligheten i komplekse situasjoner.
  • Forbedre prediksjonens latenstid, ressursbruk, stabilitet og utrulling, inkludert ROS 2- og C++-integrasjon, logging og feilsøking.

Krav

  • Mastergrad eller høyere innen autonom kjøring, robotikk, kunstig intelligens, informatikk, reguleringsteknikk, kjøretøyteknikk eller et beslektet fagområde.
  • Minst fem års erfaring med algoritmeutvikling innen autonom kjøring, robotikk eller ubemannede systemer.
  • Prosjekterfaring innen prediksjon, sporing, atferdsforståelse eller planlegging.
  • Erfaring med å bygge en algoritmemodul fra grunnen av, definere grensesnitt og evalueringsmål og drive kontinuerlig forbedring.
  • Kjennskap til metoder for bevegelsesprediksjon og tilstandsestimering, som CV, CA, CTRV, CTRA, Kalman-filtre, EKF, UKF og IMM.
  • Erfaring med prediksjonsmetoder basert på dyp læring, som LSTM, GRU, Transformers, GNN, LaneGCN, VectorNet, HiVT, MTR eller Scene Transformer, er en fordel.
  • Erfaring med multimodal baneprediksjon, atferds- og intensjonsgjenkjenning, interaksjonsmodellering, baneskåring, usikkerhetsmodellering og konfidenskalibrering.
  • Forståelse av HD-kart, ve topologi, kartmatching, kartsemantikk, rutetilknytning og generering av kartbegrensede kandidatbaner.
  • Forståelse av hvordan prediksjon henger sammen med planlegging, og evne til å gjøre prediksjoner om til tekniske innspill for sikkerhetsavstander, konfliktdeteksjon, viking, følgekjøring og hindringsunngåelse.
  • Erfaring med autonom kjøring i gruver, havner, industriområder, logistikkområder, anleggsmaskiner eller andre komplekse, lukkede miljøer er en fordel.
  • Erfaring med blandet trafikk, blandede kjøretøyflåter, koordinering av flere kjøretøy, V2X, koordinering med skybasert flåtestyring eller prediksjon av samspill med kjøretøy som ikke samarbeider, er en fordel.
  • Erfaring med datafeedbacksløyfer, automatisk merking, simuleringsevaluering, avspilling av kjøretøydata, modelldistribusjon og diagnostisering av produksjonsproblemer er en fordel.
  • Kjennskap til prediksjonsmodulene i Apollo, Autoware eller storskala plattformer for autonom kjøring er en fordel.
  • Erfaring med å predikere atferd og baner på ustrukturerte veier eller når kartinformasjon er ufullstendig eller lokalt utilgjengelig, er en fordel.

Fordeler

  • Arbeidsgiveren tilbyr like muligheter.
  • Søkere i alle aldre som oppfyller kvalifikasjonene, oppfordres til å søke.
  • Mulighet til å bli med i talentfellesskapet.

Relaterte jobber