Software Engineer - Manipulation

Автоматический пересказ вакансии на русском. Полный текст на языке оригинала и форма отклика — на сайте работодателя.

Инженер в команду манипуляций человекоподобного робота Apollo. Разрабатывает и разворачивает learning-based политики манипуляций, доводя их от демонстрационных данных и симуляции до надёжной работы на реальном железе.

Задачи

• Реализовывать и разворачивать современные learning-based политики манипуляций для надёжной работы на реальных задачах с физическим железом
• Адаптировать и улучшать политики под новые задачи и железо методами post-training: RL fine-tuning, дистилляция политик, интерактивное imitation learning (например, DAgger)
• Строить и поддерживать data pipelines для post-training: сбор телеметрии и демонстраций, retargeting, агрегация и курирование датасетов
• Вести цикл разработки от симуляции и офлайн-оценки до переноса и тонкой настройки политик на роботе
• Разрабатывать visuomotor-политики для захвата, in-hand и whole-arm манипуляций с низкой задержкой исполнения на железе
• Определять метрики оценки и регрессионные тесты производительности политик в симуляции и на железе и использовать результаты для технических решений
• Тесно взаимодействовать с командами симуляции, данных, железа и систем для диагностики системных проблем и совместной разработки решений
• Поддерживать высокие стандарты кодовой базы через тестирование, документацию и peer code review

Требования

• Сильный опыт в роботизированных манипуляциях: захват, in-hand или whole-arm control, high-DOF движение, с подтверждённым опытом развёртывания на железе
• Практический опыт обучения и отладки learned policies, включая post-training методы: RL fine-tuning, дистилляция, imitation learning (например, DAgger)
• Владение Python, C++ и PyTorch или JAX, опыт построения real-time роботизированных стеков
• Опыт работы с демонстрационными данными и данными телеметрии, построения evaluation pipelines для learned policies
• MS и 3+ года релевантного опыта или недавний PhD в робототехнике, computer science, электротехнике или смежной области
• Опыт, сфокусированный именно на learning-based манипуляциях или близкой области
• Подтверждённый опыт переноса learned policies из research/симуляции на физическое железо

Условия

• Годовая зарплата $180,000 - $240,000
• Прямой найм (direct hire)
• Равные возможности трудоустройства

Навыки

• Python
• C++
• PyTorch
• JAX
• RL fine-tuning
• policy distillation
• imitation learning
• DAgger
• teleoperation
• IsaacSim
• MuJoCo
• Drake
• computer vision
• 6D pose estimation
• point cloud processing
• visual servoing
• tactile sensing