42dot är ett AI-företag inom mobilitet som arbetar i gränslandet mellan fordonsteknik och logistik. Företagets arbete fokuserar på mjukvarudefinierad fordonsteknik, autonoma elfordon samt den mjukvaru- och datainfrastruktur som krävs för skalbar stadsbaserad transport. Företaget utvecklar fordonsmjukvara, plattformar för fordonsparksdata och AI-modeller för perception och styrning, tillsammans med TAP!, företagets mobilitetsoperativsystem för att driftsätta autonoma tjänster. Genom forskning och samarbete kring fordonselektronik och mjukvarubaserade arkitekturer strävar 42dot efter att göra mobilitetssystem mer autonoma, anpassningsbara och enklare att driva.
Ingenjör inom förstärkningsinlärning för autonom körning
Utveckla och optimera policyer för förstärkningsinlärning i 42dots modeller för autonom körning. Bygg självspelsimuleringar, scenarioutrullningar och säkerhetsutvärderingar för att förbättra körprestandan.
Beskrivning
- Utforma gränssnitt för observationer och handlingar mellan VLA-policyer och simulatorer, och utveckla efterträning med sluten återkopplingsslinga för förstärkningsinlärning med metoder som GRPO och PPO.
- Bygg självspelsträning i körsimulatorer baserade på vektorer eller beläggning, där det egna fordonet och trafikagenter samspelar med aktuella policyer och tidigare kontrollpunkter.
- Utveckla utrullningar av möjliga handlingar och färdvägar för tänkbara framtida scenarier, och välj sedan handlingar utifrån förväntad avkastning och säkerhetsbegränsningar.
- Utvärdera policyernas säkerhet och generaliseringsförmåga med riktmärken med sluten återkopplingsslinga.
- Analysera manipulation av belöningsfunktionen och simulatorbias.
- Led lovande idéer inom förstärkningsinlärning från utformning via storskalig träning och noggrann utvärdering till integrering i körmodeller.
Krav
- Minst tre års erfarenhet av maskininlärning, förstärkningsinlärning eller robotik, eller motsvarande kompetens inom forskning och utveckling.
- Erfarenhet av att implementera algoritmer för policyinlärning samt genomföra träning och utvärdering med Python och PyTorch.
- Förståelse för policyoptimering, belöningsdesign och kredittilldelning samt förmåga att utforma experiment inom förstärkningsinlärning.
- Erfarenhet av att träna policyer i simuleringar eller miljöer med flera agenter och verifiera förbättringar mot baslinjer.
- Engelskkunskaper som räcker för att diskutera tekniska frågor och samarbeta med kontor i andra länder.
- Erfarenhet av att utveckla system för självspel, förstärkningsinlärning med flera agenter eller träning av policypopulationer (meriterande).
- Erfarenhet av att tillämpa efterträningsmetoder för förstärkningsinlärning, såsom GRPO eller PPO, på VLA- eller generativa policyer (meriterande).
- Erfarenhet av att träna policyer i körsimulatorer baserade på vektorer eller beläggning, eller att utveckla utrullningsplanering baserad på världsmodeller (meriterande).
- Erfarenhet av storskaliga parallella utrullningar, distribuerad träning eller validering från simulering till verklighet (meriterande).
Förmåner
- Företräde ges åt veteraner och personer som omfattas av anställningsskydd enligt tillämplig lagstiftning.
- Företräde ges åt sökande med ett registrerat intyg om funktionsnedsättning.
- Referenstagning kan genomföras med den sökandes samtycke efter intervjuprocessen.
- En provanställning på tre månader kan förekomma.