Ключевые критерии качества автономного автомобиля — безопасность, комфорт и эффективность. Однако оценивать их на основе проездов по реальным дорогам слишком долго, дорого, а иногда и вообще невозможно. Чтобы эффективно измерять качество релизов ПО, в Яндексе разработана система симуляции. Она позволяет проанализировать поведение авто в виртуальном окружении, быстро выявить и сравнить, как меняется поведение машины при движении по разным территориям в различных погодных условиях и дорожных ситуациях. Сегодня перед нами стоит задача предоставить пользователям простой и интуитивный доступ к редактору дорожных ситуаций. Используя LLM-технологии, необходимо дать возможность редактировать и создавать новые сценарии дорожных ситуаций с помощью текста.

Обязанности:

Проектирование и разработка системы редактирования сценариев для симулятора
Вам предстоит систематизировать заказы по генерации сценариев от различных команд (разработки, аналитики, QA и др.), прорабатывать архитектуру новых сервисов и инструментов для редактирования и создания сценариев, создавать метрики для оценки эффективности разрабатываемых функций. Разработка инструментов на основе ML-моделей для генерации сценариев
Вы будете синтезировать сценарии симуляции, опираясь на различные источники: записи реальных проездов, формальные требования ПДД и ISO-стандарты, разнородные внешние коллекции сложных дорожных ситуаций. Нужно будет создавать инструменты для удобной генерации сценариев, используя внешние LLM и внутренние диффузионные модели управляемого синтеза дорожного трафика. Разработка системы фаззинга дорожной ситуации
Вам предстоит разработать систему направленного фаззинга исходов симуляции, которая позволит эффективнее обнаруживать новые категории проблем автономного транспорта в исследуемых дорожных сценариях. Вы будете выявлять потенциально опасные исходы, которые могут привести к ущербу для участников дорожной ситуации, и оценивать их вероятность.
Больше о бэкенде в Яндексе — в канале Yandex for Backend

Ключевые навыки:

  • Имеете большой опыт разработки на Python
  • Разрабатывали агентов для взаимодействия с LLM
  • Работали с симуляторами (CARLA, SVL, NVIDIA Drive Sim, игровые движки и т. д.)

Дополнительные требования:

  • Участвовали в соревнованиях по программированию: ACM ICPC, Codeforces, Topcoder, Kaggle и т. д.