Решение задачи планирования движения — один из самых больших вызовов в отрасли автономных технологий. Мы экспериментируем с большими генеративными моделями для предсказания траектории, по которой поедет автомобиль. Траектория должна обеспечивать безопасное взаимодействие с участниками движения, быть комфортной для пассажира и позволять автомобилю успешно достичь конечной точки маршрута.

Какие задачи вас ждут

Обучение больших нейросетевых моделей планирования движения

Учить трансформеры извлекать информацию о взаимодействии участников движения с траекторией автомобиля. Проверять и внедрять самые современные подходы из научных статей об автономном вождении. Экспериментировать с архитектурами и методами обучения.

Поиск сложных и разнообразных дорожных ситуаций

Исследовать и применять различные подходы для поиска сложных дорожных ситуаций, которые вы будете использовать для обучения моделей. Ваш обучающий датасет должен содержать разнообразные и достаточно непростые дорожные сценарии.

Внедрение разработок в автомобили Яндекса

Вам предстоит 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

- Уверенно ориентируетесь в области DL, быстро разбираетесь в новых методах

- Умеете программировать на Python, работали с PyTorch или TensorFlow

- Хорошо знаете классические структуры данных и алгоритмы

- Умеете выдвигать гипотезы и выстраивать эксперименты для их проверки

- Читаете статьи об ML, следите за развитием этой области

Будет плюсом, если вы

- Имеете публикации в сборниках научных конференций высокого уровня

- Хорошо знаете С++ и STL

- Работали с большими объёмами данных

- Участвовали в соревнованиях по ML или спортивному программированию

- Увлечены автономными автомобилями

Узнать больше

-

Автономный транспорт

-

Офисы в Санкт-Петербурге

-

Офисы в Москве