Для качественной и стабильной работы систем распознавания и локализации автономного транспорта необходимо иметь хорошо скалиброванные сенсорные данные. Важно с большой точностью вычислять положение лидаров, камер, радаров, акселерометра и гироскопа друг относительно друга и относительно корпуса автомобиля, а также определять внутренние свойства отдельных датчиков, такие как параметры кривизны линз камер. Созданием процедур калибровки сенсоров во время сборки и техобслуживания, а также механизмов поддержания скалиброванности во время эксплуатации и занимается команда калибровок.

Какие задачи вас ждут

Улучшение и масштабирование системы мониторинга скалиброванности флота

Флот автономного транспорта продолжает расти экспоненциально, а каждый автономный автомобиль присылает гигабайты сенсорных данных в минуту. Чтобы удерживать весь флот в скалиброванном состоянии, эти данные нужно непрерывно обрабатывать на кластере: отбирать пригодные участки проездов, запускать тяжёлые алгоритмы и собирать метрики скалиброванности по каждому автомобилю и по флоту в целом. Вы будете развивать эту систему: повышать пропускную способность и отказоустойчивость пайплайнов и масштабировать инфраструктуру под растущий флот.

Инструменты диагностики раскалибровки

Когда метрики показывают, что с калибровкой автомобиля что-то не так, нужно быстро понять причину: сбой сенсора, неудачный проезд или деградация самого алгоритма. Для этого команде и инженерам эксплуатации нужны удобные инструменты диагностики и визуализации. Вы будете развивать эти инструменты: строить дашборды для анализа и разбора отдельных раскалибровок.

Автоматическая докалибровка сенсоров во время эксплуатации

Основная задача: вернуть сенсоры в скалиброванное состояние автоматически, не отправляя автомобиль на техобслуживание. В отличие от заводской калибровки, докалибровка работает на данных из реальных проездов, в неконтролируемых условиях, с шумами и выбросами. Необходимо повышать точность и устойчивость применения докалибровки, бороться с накоплением дрифта из-за систематических вычислительных ошибок.

Больше о бэкенде в Яндексе — в канале Yandex for Backend

Мы ждём, что вы

- Пишете на Python и С++

- Знаете классические алгоритмы и структуры данных

- Готовы разбираться в сложной предметной области

- Настраивали облачные пайплайны обработки данных

Будет плюсом, если вы

- Работали с высоконагруженными системами обработки больших данных

- Знакомы с инфраструктурой Яндекса: YT, YQL, Nirvana, Monium

Узнать больше

-

Автономный транспорт

-

Офисы в Москве

-

Как в Яндексе проходят алгоритмические секции собеседований

-

Как мы нанимаем бэкенд-разработчиков

-

Задачи для подготовки к собеседованиям