42dot — компания в сфере искусственного интеллекта для мобильности, работающая на стыке автомобильных технологий и логистики. Компания занимается программно-определяемыми технологиями для автомобилей, автономными электромобилями, а также программной и информационной инфраструктурой, необходимой для масштабируемого городского транспорта. 42dot разрабатывает программное обеспечение для автомобилей, платформы для работы с данными автопарков и модели искусственного интеллекта для восприятия окружающей среды и управления, а также TAP! — операционную систему мобильности для внедрения автономных сервисов. Благодаря исследованиям и сотрудничеству в области автомобильной электроники и программно-ориентированных архитектур 42dot стремится сделать системы мобильности более автономными, адаптивными и простыми в эксплуатации.
Инженер по обучению с подкреплением для автономного вождения
Разрабатывайте и оптимизируйте политики обучения с подкреплением для моделей автономного вождения 42dot. Создавайте симуляции самообучения, сценарные прокрутки и проверки безопасности, чтобы улучшать качество вождения.
Описание
- Проектируйте интерфейсы наблюдений и действий между VLA-политиками и симуляторами, а также разрабатывайте постобучение с замкнутым циклом на основе обучения с подкреплением, используя такие методы, как GRPO и PPO.
- Создавайте обучение с самоигрой в векторных симуляторах вождения или симуляторах на основе занятости пространства, где эго-автомобиль и участники движения взаимодействуют с текущими политиками и предыдущими контрольными точками.
- Разрабатывайте варианты действий и прокрутки траекторий для возможных будущих сценариев, а затем выбирайте действия с учетом ожидаемой отдачи и ограничений безопасности.
- Оценивайте безопасность и обобщающую способность политик с помощью замкнутых бенчмарков.
- Анализируйте взлом функции вознаграждения и смещения симулятора.
- Ведите перспективные идеи в области обучения с подкреплением от проектирования и масштабного обучения до строгой оценки и интеграции с моделями вождения.
Требования
- Не менее трех лет опыта в машинном обучении, обучении с подкреплением или робототехнике либо сопоставимый опыт в исследованиях и разработке.
- Опыт реализации алгоритмов обучения политик, а также проведения обучения и оценки с использованием Python и PyTorch.
- Понимание оптимизации политик, проектирования вознаграждений и распределения заслуг, а также умение проектировать эксперименты по обучению с подкреплением.
- Опыт обучения политик в симуляциях или мультиагентных средах и проверки улучшений относительно базовых моделей.
- Английский язык на уровне, достаточном для обсуждения технических вопросов и сотрудничества с зарубежными офисами.
- Опыт разработки систем самообучения, мультиагентного обучения с подкреплением или обучения популяций политик (желательно).
- Опыт применения методов постобучения с подкреплением, таких как GRPO или PPO, к VLA или генеративным политикам (желательно).
- Опыт обучения политик в векторных симуляторах вождения или симуляторах на основе занятости пространства либо разработки планирования прокруток на основе моделей мира (желательно).
- Опыт параллельных прокруток в большом масштабе, распределенного обучения или проверки sim-to-real (желательно).
Преимущества
- Предпочтение отдается ветеранам и лицам, имеющим право на защиту занятости в соответствии с применимым законодательством.
- Предпочтение отдается кандидатам с зарегистрированным удостоверением об инвалидности.
- После собеседований с согласия кандидата могут проводиться проверки рекомендаций.
- Может применяться трехмесячный испытательный срок.