О задаче
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.
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
•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
