Руководитель группы моделирования симуляционной сцены в Автономный транспорт
Чтобы эффективно оценивать качество релизов ПО беспилотного автомобиля, в Яндексе разработали систему симуляции. Мы ищем руководителя группы моделирования. Откликайтесь, если управляли командой разработчиков, внедряли ML-модели в продакшен и готовы разбираться в новых архитектурах и областях.Управление командой
Вы будете руководить командой из 4–6 разработчиков и ML-инженеров: ставить масштабные цели, декомпозировать их, превращая в задачи, контролировать весь процесс — от постановки задачи до внедрения в продакшен. Вы также будете влиять на стратегию развития симулятора в целом: определять, какие физические и сенсорные эффекты мы моделируем в первую очередь и как это влияет на надёжность всей системы автопилота. Совершенствование модели движения автомобиля
Симулятор должен реалистично моделировать движение разного транспорта: от маленьких роверов-доставщиков до легкового такси и многотонных грузовиков. При этом на движение влияет множество факторов, таких как состояние автомобиля, рельеф и состояние дороги. Для решения этой задачи физических моделей оказывается недостаточно, и требуется создавать ML-модель, имитирующую особенности реальных проездов. Вам предстоит развить модель движения и научить её достоверно имитировать последствия экстремальных ситуаций, таких как порывы ветра или прокол колеса, и физику столкновений. Построение модели имитации восприятия автомобиля
Для полноценной интеграционной проверки всех компонентов автономного автомобиля симулятор должен уметь реалистично генерировать все входные сигналы от сенсоров, включая данные с камер и лидаров. Однако такая задача очень сложна, и в большинстве процессов достаточно ограничиться имитацией выходов модели восприятия автономного автомобиля. Вам нужно будет построить и внедрить систему, позволяющую имитировать работу моделей детекции, используемых на реальном автомобиле, при разных погодных условиях, освещённости и прочих факторах дорожной ситуации. Кросс-функциональная работа
Симулятор — важнейший инструмент, используемый на всех этапах разработки, тестирования и приёмки ПО автономного транспорта. Вы будете систематизировать и приоритизировать заказы от других команд, управлять ожиданиями, связанными как повышением точности системы, так и с внедрением новых фич.* Управляли командой бэкенд- или ML-разработчиков * Внедряли модели машинного обучения в продакшен и готовы разбираться в новых архитектурах и областях * Готовы работать руками на этапе прототипирования и проверки гипотез, включая написание исследовательского кода и анализ результатов * Умеете критически оценивать результаты и видеть потенциальные проблемы решений * Не боитесь браться за нерешённые задачи и готовы доводить свои идеи до продакшена* Работали с симуляторами или робототехническими платформами (ROS, Gazebo, CARLA, NVIDIA Isaac Sim и др.) * Участвовали в соревнованиях по ML или программированию (ACM ICPC, Codeforces, TopСoder, Kaggle и т. д.) * Знаете правила дорожного движения, водили автомобиль или мотоцикл
Вы будете руководить командой из 4–6 разработчиков и ML-инженеров: ставить масштабные цели, декомпозировать их, превращая в задачи, контролировать весь процесс — от постановки задачи до внедрения в продакшен. Вы также будете влиять на стратегию развития симулятора в целом: определять, какие физические и сенсорные эффекты мы моделируем в первую очередь и как это влияет на надёжность всей системы автопилота. Совершенствование модели движения автомобиля
Симулятор должен реалистично моделировать движение разного транспорта: от маленьких роверов-доставщиков до легкового такси и многотонных грузовиков. При этом на движение влияет множество факторов, таких как состояние автомобиля, рельеф и состояние дороги. Для решения этой задачи физических моделей оказывается недостаточно, и требуется создавать ML-модель, имитирующую особенности реальных проездов. Вам предстоит развить модель движения и научить её достоверно имитировать последствия экстремальных ситуаций, таких как порывы ветра или прокол колеса, и физику столкновений. Построение модели имитации восприятия автомобиля
Для полноценной интеграционной проверки всех компонентов автономного автомобиля симулятор должен уметь реалистично генерировать все входные сигналы от сенсоров, включая данные с камер и лидаров. Однако такая задача очень сложна, и в большинстве процессов достаточно ограничиться имитацией выходов модели восприятия автономного автомобиля. Вам нужно будет построить и внедрить систему, позволяющую имитировать работу моделей детекции, используемых на реальном автомобиле, при разных погодных условиях, освещённости и прочих факторах дорожной ситуации. Кросс-функциональная работа
Симулятор — важнейший инструмент, используемый на всех этапах разработки, тестирования и приёмки ПО автономного транспорта. Вы будете систематизировать и приоритизировать заказы от других команд, управлять ожиданиями, связанными как повышением точности системы, так и с внедрением новых фич.* Управляли командой бэкенд- или ML-разработчиков * Внедряли модели машинного обучения в продакшен и готовы разбираться в новых архитектурах и областях * Готовы работать руками на этапе прототипирования и проверки гипотез, включая написание исследовательского кода и анализ результатов * Умеете критически оценивать результаты и видеть потенциальные проблемы решений * Не боитесь браться за нерешённые задачи и готовы доводить свои идеи до продакшена* Работали с симуляторами или робототехническими платформами (ROS, Gazebo, CARLA, NVIDIA Isaac Sim и др.) * Участвовали в соревнованиях по ML или программированию (ACM ICPC, Codeforces, TopСoder, Kaggle и т. д.) * Знаете правила дорожного движения, водили автомобиль или мотоцикл