42dot — компанія у сфері штучного інтелекту для мобільності, що працює на перетині автомобільних технологій і логістики. Компанія зосереджується на програмно-визначуваних технологіях для транспортних засобів, автономних електромобілях, а також програмній та інформаційній інфраструктурі, необхідній для масштабованого міського транспорту. 42dot розробляє програмне забезпечення для автомобілів, платформи даних автопарків і моделі штучного інтелекту для сприйняття та керування, а також TAP! — операційну систему мобільності для розгортання автономних сервісів. Завдяки дослідженням і співпраці у сфері автомобільної електроніки та програмно-орієнтованих архітектур 42dot прагне зробити системи мобільності більш автономними, адаптивними та простішими в експлуатації.
Інженер із навчання з підкріпленням для автономного водіння
Розробляйте й оптимізуйте політики навчання з підкріпленням для моделей автономного водіння 42dot. Створюйте симуляції самогри, прокручування сценаріїв і перевірки безпеки, щоб покращувати якість водіння.
Опис
- Проєктуйте інтерфейси спостережень і дій між VLA-політиками та симуляторами, а також розробляйте постнавчання з замкненим циклом на основі навчання з підкріпленням, використовуючи такі методи, як GRPO і PPO.
- Створюйте навчання із самогрою у векторних симуляторах водіння або симуляторах на основі зайнятості простору, де егоавтомобіль і учасники дорожнього руху взаємодіють із поточними політиками та попередніми контрольними точками.
- Розробляйте варіанти дій і прокручування траєкторій для можливих майбутніх сценаріїв, а потім обирайте дії з урахуванням очікуваної віддачі й обмежень безпеки.
- Оцінюйте безпеку та узагальнювальну здатність політик за допомогою бенчмарків із замкненим циклом.
- Аналізуйте злам функції винагороди та зміщення симулятора.
- Ведіть перспективні ідеї у сфері навчання з підкріпленням від проєктування й масштабного навчання до ретельного оцінювання та інтеграції з моделями водіння.
Вимоги
- Щонайменше три роки досвіду в машинному навчанні, навчанні з підкріпленням або робототехніці чи рівноцінний дослідницький і розробницький досвід.
- Досвід реалізації алгоритмів навчання політик, а також проведення навчання й оцінювання за допомогою Python і PyTorch.
- Розуміння оптимізації політик, проєктування винагород і розподілу заслуг, а також здатність проєктувати експерименти з навчання з підкріпленням.
- Досвід навчання політик у симуляціях або мультиагентних середовищах і перевірки покращень порівняно з базовими моделями.
- Знання англійської на рівні, достатньому для обговорення технічних питань і співпраці із закордонними офісами.
- Досвід розробки систем самогри, мультиагентного навчання з підкріпленням або навчання популяцій політик (бажано).
- Досвід застосування методів постнавчання з підкріпленням, як-от GRPO або PPO, до VLA чи генеративних політик (бажано).
- Досвід навчання політик у векторних симуляторах водіння або симуляторах на основі зайнятості простору чи розробки планування прокручувань на основі моделей світу (бажано).
- Досвід масштабних паралельних прокручувань, розподіленого навчання або перевірки sim-to-real (бажано).
Переваги
- Перевага надається ветеранам і особам, які мають право на захист зайнятості згідно із застосовним законодавством.
- Перевага надається кандидатам із зареєстрованим посвідченням про інвалідність.
- Після співбесід за згодою кандидата можуть проводитися перевірки рекомендацій.
- Може застосовуватися тримісячний випробувальний термін.