強化學習工程師（自動駕駛）
開發並最佳化 42dot 自動駕駛模型的強化學習策略。 建置自我對弈模擬、情境推演與安全評估，以提升駕駛效能。
說明
- 設計 VLA 策略與模擬器之間的觀測及動作介面，並運用 GRPO、PPO 等方法開發閉迴路強化學習後訓練流程。
- 在以向量或占用網格為基礎的駕駛模擬器中建置自我對弈訓練，讓自車與交通參與者依據目前策略和先前檢查點互動。
- 針對可能的未來情境產生候選動作與軌跡推演，再依預期回報及安全限制選擇動作。
- 透過閉迴路基準評估策略的安全性與泛化能力。
- 分析獎勵作弊與模擬器偏差。
- 推動具潛力的強化學習構想，從設計、大規模訓練與嚴謹評估，一路落實至整合進駕駛模型。
職位要求
- 具備機器學習、強化學習或機器人領域至少三年經驗，或具備相當的研發能力。
- 具備使用 Python 和 PyTorch 實作策略學習演算法並進行訓練與評估的經驗。
- 了解策略最佳化、獎勵設計及信用分配，並能設計強化學習實驗。
- 具備在模擬或多智能體環境中訓練策略，並對照基準驗證成效的經驗。
- 具備足以討論技術問題並與海外辦公室合作的英語溝通能力。
- 具備開發自我對弈、多智能體強化學習或策略群體訓練系統的經驗者優先。
- 具備將 GRPO、PPO 等強化學習後訓練方法應用於 VLA 或生成式策略的經驗者優先。
- 具備在以向量或占用網格為基礎的駕駛模擬器中訓練策略，或開發以世界模型為基礎的推演規劃經驗者優先。
- 具備大規模平行推演、分散式訓練或模擬到實際環境驗證經驗者優先。
福利待遇
- 優先考量退伍軍人，以及依適用法律享有就業保障資格者。
- 優先考量持有已登記身心障礙證明的申請人。
- 面試流程結束後，經申請人同意，可能進行背景查核。
- 可能適用三個月試用期。