Роботы доставки Яндекса ежедневно доставляют тысячи заказов, маневрируя в сложной, неструктурированной городской среде. Мы активно растём и планируем масштабировать флот до 20 000 роботов к 2028 году.
Обязанности
Разработка и скейлинг World Models: проектировать и обучать массивные 3D/видеотокенизаторы и бэкбоны на базе Diffusion Transformers (DiT), Flow Matching, etc.
Distributed Training: строить пайплайны для распределённого обучения тяжёлых foundation-моделей на нашем вычислительном кластере.
Model-Based RL (MBRL) & Planning: обучение чистого RL и политик IL + RL внутри замороженной латентной симуляции World Model.
Representation Shaping: интеграция вспомогательных лоссов для perception-задач 3D-детекции, сегментации, трекинга.
Safety & Inference: строить надёжный safety-контур поверх выходов модели и готовить всю конструкцию к реалтайм-инференсу прямо на edge-девайсах робота.
Требования
На экспертном уровне владеете JAX и PyTorch
Имеете навыки масштабного распределённого обучения
Имеете глубокую математическую и ML-базу
Способны писать, генерировать и проверять быстрый оптимизированный код
Будет плюсом: работали 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; оптимизировали инференс «на борту» робота; бэкграунд в Autonomous Driving, Motion Planning или Robotics
Условия
С нами легко развиваться. Если для рабочих задач вам нужно подтянуть язык — организуем обучение и оплатим 50% стоимости.