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.

Обязанности:

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

Ключевые навыки:

  • 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

Дополнительные требования:

  • 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