Описание
Для качественной и стабильной работы систем распознавания и локализации автономного транспорта необходимо иметь хорошо скалиброванные сенсорные данные. Важно с большой точностью вычислять положение лидаров, камер, радаров, акселерометра и гироскопа друг относительно друга и относительно корпуса автомобиля, а также определять внутренние свойства отдельных датчиков, такие как параметры кривизны линз камер. Созданием процедур калибровки сенсоров во время сборки и техобслуживания, а также механизмов поддержания скалиброванности во время эксплуатации и занимается команда калибровок.
Задачи
•Улучшение и масштабирование системы мониторинга скалиброванности флота. Флот автономного транспорта продолжает расти экспоненциально, а каждый автономный автомобиль присылает гигабайты сенсорных данных в минуту. Чтобы удерживать весь флот в скалиброванном состоянии, эти данные нужно непрерывно обрабатывать на кластере: отбирать пригодные участки проездов, запускать тяжёлые алгоритмы и собирать метрики скалиброванности по каждому автомобилю и по флоту в целом. Вы будете развивать эту систему: повышать пропускную способность и отказоустойчивость пайплайнов и масштабировать инфраструктуру под рост флота.
•Инструменты диагностики раскалибровки. Когда метрики показывают, что с калибровкой автомобиля что-то не так, нужно быстро понять причину: сбой сенсора, неудачный проезд или деградация самого алгоритма. Для этого команде и инженерам эксплуатации нужны удобные инструменты диагностики и визуализации. Вы будете развивать эти инструменты: строить дашборды для анализа и разбора отдельных раскалибровок.
•Автоматическая докалибровка сенсоров во время эксплуатации. Основная задача: вернуть сенсоры в скалиброванное состояние автоматически, не отправляя автомобиль на техобслуживание. В отличие от заводской калибровки, докалибровка работает на данных из реальных проездов, в неконтролируемых условиях, с шумами и выбросами. Необходимо повышать точность и устойчивость применения докалибровки, бороться с накоплением дрифта из-за систематических вычислительных ошибок.
Требования
•Пишете на Python и С++
•Знаете классические алгоритмы и структуры данных
•Готовы разбираться в сложной предметной области
•Настраивали облачные пайплайны обработки данных
•Работали с высоконагруженными системами обработки больших данных
•Знакомы с инфраструктурой Яндекса: YT, YQL, Nirvana, Monium
Условия
Условий в вакансии нет
