Описание
Ключевые критерии качества автономного автомобиля — безопасность, комфорт и эффективность. Для их измерения мы в Яндексе разработали систему симуляции: она позволяет анализировать поведение авто в виртуальном окружении и оценивать влияние внешних и внутренних факторов на поведение машины. Мы отвечаем за то, чтобы технологии симуляции сенсоров — реконструкция локаций, синтез данных камер и лидаров — были по-настоящему встроены в closed-loop-симуляцию и доведены до приёмок в продакшене. Мы опираемся на наработки смежных команд по 3D-реконструкции и синтезу сенсоров и превращаем их в надёжный инструмент тестирования автопилота.
Задачи
•Руководить командой разработчиков и ML-инженеров: ставить цели, декомпозировать их в задачи и вести от постановки до внедрения в продакшен.
•Определять приоритеты развития симулятора: какие сенсорные эффекты и сценарии моделировать в первую очередь и как сочетать интеграцию готовых решений с собственной алгоритмической генерацией.
•Встраивать в пайплайн решения по 3D-реконструкции локаций и синтезу сенсоров, отвечать за их стабильность и производительность в продакшене, а также за достоверность симуляции на уровне perception автопилота.
•Выстраивать процессы валидации новых сигналов и возможностей автопилота в симуляции.
•Развивать собственную алгоритмическую генерацию сенсорных данных: IMU, телеметрии автомобиля, лидара.
•Моделировать рельеф и дорожное покрытие с корректным отражением на всех сенсорах, включая IMU и камеры.
•Отдельное направление — полностью синтетические сцены, созданные в редакторе или сгенерированные LLM-агентом.
•Отвечать за назначение ассетов и LOD агентам в симуляторе.
•Отдельный фокус — перформанс: какие ассеты хранятся в памяти и подгружаются в рантайме, чтобы симуляции оставались быстрыми и масштабируемыми.
•Собирать и приоритизировать заказы команд разработки: решать их силами своей команды или передавать смежным, управляя ожиданиями по точности системы и внедрению новых фич.
•Приоритет — воспроизведение сложных для автопилота дорожных ситуаций, чтобы находить и устранять их причины.
Требования
•Управляли командой бэкенд- или ML-разработчиков
•Занимались промышленной разработкой на C++
•Внедряли ML-модели в продакшен и готовы разбираться в новых архитектурах и областях
•Умеете доводить исследовательские наработки до продакшена: ставить требования, принимать решения, отвечать за стабильность и производительность
•Готовы работать руками на этапе прототипирования и проверки гипотез, в том числе писать исследовательский код и анализировать результаты
•Умеете критически оценивать результаты и видеть потенциальные проблемы решений
•Не боитесь браться за нерешённые задачи и готовы доводить свои идеи до продакшена
Будет плюсом
•Работали с симуляторами или робототехническими платформами (ROS, Gazebo, CARLA, NVIDIA Isaac Sim и др.)
•Имели дело с симуляцией сенсоров, perception-подсистемами, 3D-реконструкцией (в том числе 3DGS) или генеративными моделями для синтеза данных
•Понимаете, как устроены сенсоры и телеметрия автономного транспорта: камеры, лидары, IMU, нагрузка на оси, скорости вращения колёс
•Знаете правила дорожного движения, водили автомобиль или мотоцикл
Условия
Условий в вакансии нет
