A 42dot é uma empresa de inteligência artificial para mobilidade que atua na interseção entre tecnologia automotiva e logística. Seu trabalho se concentra em tecnologias de veículos definidos por software, veículos elétricos autônomos e na infraestrutura de software e dados necessária para sistemas de transporte urbano escaláveis. A empresa desenvolve software para veículos, plataformas de dados para frotas e modelos de inteligência artificial para percepção e controle, além do TAP!, seu sistema operacional de mobilidade para implementar serviços autônomos. Por meio de pesquisas e colaborações em eletrônica veicular e arquiteturas orientadas por software, a 42dot busca tornar os sistemas de mobilidade mais autônomos, adaptáveis e fáceis de operar.
Engenheiro de aprendizado por reforço para direção autônoma
Desenvolva e otimize políticas de aprendizado por reforço para os modelos de direção autônoma da 42dot. Crie simulações de autoconfronto, execuções de cenários e avaliações de segurança para melhorar o desempenho ao dirigir.
Descrição
- Projete interfaces de observação e ação entre políticas VLA e simuladores e desenvolva o pós-treinamento de aprendizado por reforço em ciclo fechado com métodos como GRPO e PPO.
- Crie treinamento por autoconfronto em simuladores de direção baseados em vetores ou ocupação, nos quais o veículo controlado e os agentes de trânsito interagem com as políticas atuais e pontos de verificação anteriores.
- Desenvolva execuções de ações e trajetórias candidatas para possíveis cenários futuros e, em seguida, selecione ações com base no retorno esperado e nas restrições de segurança.
- Avalie a segurança e a generalização das políticas com benchmarks em ciclo fechado.
- Analise a exploração indevida das recompensas e os vieses do simulador.
- Lidere ideias promissoras de aprendizado por reforço desde a concepção até o treinamento em larga escala, a avaliação rigorosa e a integração aos modelos de direção.
Requisitos
- Pelo menos três anos de experiência em aprendizado de máquina, aprendizado por reforço ou robótica, ou capacidade equivalente em pesquisa e desenvolvimento.
- Experiência na implementação de algoritmos de aprendizado de políticas e na condução de treinamentos e avaliações com Python e PyTorch.
- Conhecimento de otimização de políticas, definição de recompensas e atribuição de crédito, além de capacidade para projetar experimentos de aprendizado por reforço.
- Experiência em treinar políticas em simulações ou ambientes multiagentes e verificar melhorias em relação a referências.
- Inglês suficiente para discutir questões técnicas e colaborar com escritórios no exterior.
- Experiência no desenvolvimento de sistemas de autoconfronto, aprendizado por reforço multiagente ou treinamento de populações de políticas será considerada um diferencial.
- Experiência na aplicação de métodos de pós-treinamento de aprendizado por reforço, como GRPO ou PPO, a políticas VLA ou generativas será considerada um diferencial.
- Experiência em treinar políticas em simuladores de direção baseados em vetores ou ocupação, ou em desenvolver planejamento de execução baseado em modelos de mundo, será considerada um diferencial.
- Experiência com execuções paralelas em larga escala, treinamento distribuído ou validação de simulação para o mundo real será considerada um diferencial.
Benefícios
- Será dada preferência a veteranos e a pessoas elegíveis à proteção do emprego conforme as leis aplicáveis.
- Será dada preferência a candidatos com certificado de deficiência registrado.
- As referências poderão ser verificadas com o consentimento do candidato após o processo de entrevistas.
- Poderá haver um período probatório de três meses.