ML-разработчик в команду симуляции проезда беспилотного автомобиля

Ключевые критерии качества беспилотного автомобиля — безопасность, комфорт и эффективность. Однако оценивать эти критерии на основе проездов по реальным дорогам слишком долго, дорого, а иногда и вообще невозможно.

Чтобы эффективно оценивать качество релизов ПО беспилотного автомобиля, в Яндексе разработали систему симуляции. Она позволяет проанализировать поведение авто в виртуальном окружении, быстро выявить и сравнить, как меняется поведение машины при движении по разным территориям в различных погодных условиях и дорожных ситуациях.

Оценка будет достоверна и надёжна, если сделать реалистичную симуляцию, которая станет воспроизводить специфику записанных настоящих проездов и адаптироваться к различиям между симулируемым миром и дорожной ситуацией.

Больше о команде

Алгоритмы моделирования дорожного трафика
Вам предстоит придумывать, внедрять и масштабировать алгоритмы реалистичного моделирования автомобильного и пешеходного трафика, соответствующего различным условиям реальных проездов. У нас много задач, связанных с симулированием продолжительных проездов; реакцией окружающих водителей на погодные условия и новые траектории нашего автомобиля; симуляцией появления и пропадания окружающих агентов в слепых зонах при плотном дорожном трафике или городской застройке.

Алгоритмы взаимодействия автомобиля и роботов-доставщиков с дорожной инфраструктурой
Также вам предстоит решать самые разные задачи, связанные с моделированием реального мира: взаимодействие с умными шлагбаумами и светофорами; симуляция подключения удалённого оператора; моделирование реалистичного движения беспилотных транспортных средств при разной погоде по различным дорожным покрытиям.

Механизмы оценки качества симуляции
Оценить качество симулятора зачастую сложнее, чем оценить качество тестируемого автомобиля. Вам предстоит участвовать в проработке подходов к построению метрик качества симулятора на основе дискриминативных моделей и асессорской разметки.

• Уверенно владеете современными ML-алгоритмами и методами математической статистики
• Готовы выдвигать гипотезы и выстраивать эксперименты для их проверки
• Программировали на Python или С++, знаете базовые алгоритмы и структуры данных

• Встраивали нейросетевые модели в production-решения
• Публиковали статьи на конференциях в области ML
• Участвовали в соревнованиях по ML или программированию (ACM ICPC, Codeforces, TopCoder, Kaggle и т. д.)
• Работали с распределёнными вычислениями с помощью MapReduce, HDFS, Spark, Hive и т. д., понимаете их принципы
• Знаете правила дорожного движения, водили автомобиль или мотоцикл