Задачи:
— Разработка и масштабирование World Models: проектирование и обучение массивных 3D/видеотокенизаторов и бэкбонов на базе Diffusion Transformers (DiT), Flow Matching и других технологий.
— Построение пайплайнов для распределённого обучения тяжёлых foundation-моделей на вычислительном кластере.
— Обучение Model-Based RL (MBRL) и политик IL + RL внутри замороженной латентной симуляции World Model.
— Интеграция вспомогательных лоссов для perception-задач 3D-детекции, сегментации, трекинга.
— Создание надёжного safety-контура поверх выходов модели и подготовка конструкции к реалтайм-инференсу на edge-девайсах робота.
Требования:
— Экспертное владение JAX и PyTorch.
— Навыки масштабного распределённого обучения.
— Глубокая математическая и ML-база.
— Умение писать, генерировать и проверять быстрый оптимизированный код.
Будет плюсом:
— Опыт работы с Vision Foundation Models, генеративными видео- и image-моделями, синтезом лидарных облаков.
— Опыт в Reinforcement Learning.
— Опыт продвинутой квантизации тяжёлых трансформеров или диффузионных моделей для edge-девайсов.
— Оптимизация инференса на борту робота.
— Бэкграунд в Autonomous Driving, Motion Planning или Robotics.
Условия:
— Возможность обучения и компенсация 50% стоимости курсов по языку.
— Другие бонусы, полный список которых доступен на сайте компании.
Контакты работодателя доступны по кнопке «Откликнуться» после входа.