Ключевые критерии качества беспилотного автомобиля — безопасность, комфорт и эффективность. Однако оценивать эти критерии на основе проездов по реальным дорогам слишком долго, дорого, а иногда и вообще невозможно.

Чтобы эффективно оценивать качество релизов ПО беспилотного автомобиля, в Яндексе разработали систему симуляции. Она позволяет проанализировать поведение авто в виртуальном окружении, оценить влияние внешних и внутренних факторов на поведение автономного транспорта и предсказать последствия выбранного поведения.

По мере развития технологии автономного транспорта обнаруживать трудные для автопилота дорожные ситуации становится всё сложнее. Сегодня нам требуется изобретать новые подходы к созданию и способу применения сценариев симуляции, чтобы обеспечивать достоверность и надёжность получаемых оценок качества.

Перед нами стоят задачи, связанные с имитацией влияния экстремальных факторов, таких как суровые погодные условия или неожиданные неисправности в устройстве автомобиля, на моделирование его движения и систему восприятия окружающего мира.

Больше о симуляторе

Какие задачи вас ждут

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.

Мы ждём, что вы

- 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

Будет плюсом, если вы

- 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

Узнать больше

-

Автономный транспорт

-

Офисы в Москве

-

Офисы в Минске