Решение задачи планирования движения — один из самых больших вызовов в отрасли автономных технологий. Мы экспериментируем с большими генеративными моделями, чтобы предсказывать траекторию движения автомобиля. Такая траектория должна обеспечивать безопасное взаимодействие с участниками движения, быть комфортной для пассажира и помогать автомобилю добраться до конечной точки маршрута.

Чтобы модель лучше справлялась с новыми дорожными ситуациями, мы ищем способы её улучшения: исследуем новые алгоритмы RL-обучения, экспериментируем с наградами и работаем с данными.

Вам предстоит развивать алгоритм, чтобы автономный транспорт качественно работал в городе и на трассе.

Какие задачи вас ждут

Улучшение RL-моделей

Вы будете учить трансформеры извлекать информацию о взаимодействии участников движения с траекторией автомобиля, проверять и внедрять современные подходы из научных статей об автономном вождении, а также экспериментировать с наградами и методами обучения.

Внедрение разработок в автомобили

Вы будете внедрять свои разработки в пайплайн движения автомобиля и наблюдать, как ваша работа повышает качество технологии.

Больше об ML в Яндексе — в канале Yandex for ML

Мы ждём, что вы

- Обучали нейросетевые модели, внедряли DL-решения в продакшен

- Ориентируетесь в области DL, быстро разбираетесь в новых методах

- Программируете на Python, работали с PyTorch

- Знаете классические структуры данных и алгоритмы

- Умеете выдвигать гипотезы и выстраивать эксперименты для их проверки

- Читаете статьи о ML, следите за развитием этой области

Будет плюсом, если вы

- Внедряли методы обучения с подкреплением в продакшен

- Публиковались в сборниках научных конференций высокого уровня

- Работали с большими объёмами данных

- Участвовали в соревнованиях по ML или спортивному программированию

- Увлечены автомобилями или автономными автомобилями

Узнать больше

-

Автономный транспорт

-

Офисы в Санкт-Петербурге

-

Офисы в Москве