42dot to firma zajmująca się sztuczną inteligencją dla mobilności, działająca na styku technologii motoryzacyjnych i logistyki. Jej działalność koncentruje się na technologiach pojazdów definiowanych programowo, autonomicznych pojazdach elektrycznych oraz oprogramowaniu i infrastrukturze danych niezbędnych do skalowania transportu miejskiego. Firma tworzy oprogramowanie dla pojazdów, platformy danych flotowych i modele sztucznej inteligencji do percepcji oraz sterowania, a także TAP! — system operacyjny mobilności służący do wdrażania usług autonomicznych. Dzięki badaniom i współpracy w obszarze elektroniki pojazdowej oraz architektur opartych na oprogramowaniu 42dot dąży do tego, aby systemy mobilności były bardziej autonomiczne, elastyczne i łatwiejsze w obsłudze.
Inżynier uczenia ze wzmocnieniem w autonomicznej jeździe
Opracowuj i optymalizuj polityki uczenia ze wzmocnieniem dla modeli autonomicznej jazdy 42dot. Twórz symulacje self-play, przebiegi scenariuszy i oceny bezpieczeństwa, aby poprawiać jakość jazdy.
Opis
- Projektuj interfejsy obserwacji i działań między politykami VLA a symulatorami oraz opracowuj posttrening uczenia ze wzmocnieniem w zamkniętej pętli z użyciem metod takich jak GRPO i PPO.
- Buduj trening self-play w wektorowych symulatorach jazdy lub symulatorach opartych na zajętości, w których pojazd ego i uczestnicy ruchu wchodzą w interakcję z bieżącymi politykami oraz wcześniejszymi checkpointami.
- Opracowuj warianty działań i przebiegi trajektorii dla możliwych przyszłych scenariuszy, a następnie wybieraj działania na podstawie oczekiwanej stopy zwrotu i ograniczeń bezpieczeństwa.
- Oceniaj bezpieczeństwo i zdolność uogólniania polityk za pomocą benchmarków w zamkniętej pętli.
- Analizuj reward hacking i obciążenia symulatora.
- Prowadź obiecujące pomysły z obszaru uczenia ze wzmocnieniem od projektu przez trening na dużą skalę i rygorystyczną ocenę po integrację z modelami jazdy.
Wymagania
- Co najmniej trzy lata doświadczenia w uczeniu maszynowym, uczeniu ze wzmocnieniem lub robotyce albo równoważne kompetencje badawczo-rozwojowe.
- Doświadczenie we wdrażaniu algorytmów uczenia polityk oraz prowadzeniu treningu i ewaluacji z użyciem Pythona i PyTorch.
- Znajomość optymalizacji polityk, projektowania funkcji nagrody i przypisywania zasług oraz umiejętność projektowania eksperymentów z uczeniem ze wzmocnieniem.
- Doświadczenie w trenowaniu polityk w symulacjach lub środowiskach wieloagentowych i weryfikowaniu postępów względem modeli bazowych.
- Znajomość angielskiego wystarczająca do omawiania kwestii technicznych i współpracy z zagranicznymi biurami.
- Doświadczenie w tworzeniu systemów self-play, wieloagentowego uczenia ze wzmocnieniem lub treningu populacji polityk (mile widziane).
- Doświadczenie w stosowaniu metod posttreningu uczenia ze wzmocnieniem, takich jak GRPO lub PPO, do polityk VLA lub generatywnych (mile widziane).
- Doświadczenie w trenowaniu polityk w wektorowych symulatorach jazdy lub symulatorach opartych na zajętości albo w opracowywaniu planowania przebiegów opartego na modelu świata (mile widziane).
- Doświadczenie w równoległych przebiegach na dużą skalę, treningu rozproszonym lub walidacji sim-to-real (mile widziane).
Benefity
- Preferowane są osoby, które odbyły służbę wojskową, oraz osoby uprawnione do ochrony zatrudnienia na mocy obowiązujących przepisów.
- Preferowani są kandydaci posiadający zarejestrowane orzeczenie o niepełnosprawności.
- Po rozmowach kwalifikacyjnych mogą zostać przeprowadzone sprawdzenia referencji za zgodą kandydata.
- Może obowiązywać trzymiesięczny okres próbny.