Разработчик симулятора в команду автономных технологий

Ключевые критерии качества беспилотного автомобиля — безопасность, комфорт и эффективность. Оценивать качество по этим критериям, сравнивая проезды по реальным дорогам — слишком долго, дорого, а иногда и вообще невозможно.

Для эффективной оценки новых релизов ПО беспилотного автомобиля в Яндексе разработана система симуляции, которая позволяет сравнивать и анализировать поведение технологии в виртуальном окружении. Симуляция позволяет быстро выявлять и оценивать изменения в поведении при движении по разным территориям в различных погодных условиях и дорожных ситуациях.

Чтобы оценке можно было доверять, симуляция должна быть реалистичной, должна воспроизводить специфику записанных настоящих проездов и адаптироваться к расхождениям, которые возникают между миром в симуляторе и записанной дорожной ситуацией.

Разработка алгоритмов моделирования дорожного трафика
Вы будете придумывать, внедрять и масштабировать алгоритмы реалистичного моделирования окружающего автомобильного и пешеходного трафика, соответствующего различным условиям из реальных проездов. У нас есть много открытых задач, которые связаны с продолжительным моделированием дорожных ситуаций, реакцией окружающих водителей на погодные условия и новые траектории нашего автомобиля, симуляцией появления и пропадания окружающих агентов в «слепых зонах» в условиях плотного дорожного трафика или городской застройки.

Разработка алгоритмов взаимодействия с дорожной инфраструктурой
Предстоит решать самые разные задачи, которые связаны со всевозможными аспектами моделирования реального мира: взаимодействием с умными шлагбаумами и светофорами, симуляцией подключений удалённого оператора, моделированием реалистичного движения беспилотных транспортных средств в разных погодных условиях по различным дорожным покрытиям.

Разработка аналитических инструментов на основе симуляции
Нужно будет разрабатывать алгоритмы и инструменты для запуска симуляции, которые позволят исследовать всё пространство возможных исходов дорожных инцидентов на основе фаззинга. Будете изучать влияние отдельных компонентов искусственного мира на результат симуляции путём ручного искажения записанных реальных сцен.

• Имеете опыт программирования на Python и С++
• Уверенно владеете алгоритмами и структурами данных
• Понимаете принципы и имеете опыт распределённой обработки и хранения больших объёмов данных с использованием MapReduce, HDFS, Spark, Hive и т. д.
• Умеете выдвигать гипотезы и выстраивать эксперименты для их проверки

• Участвовали в соревнованиях по программированию ACM ICPC, Codeforces, TopCoder и т. д.
• Знакомы с алгоритмами машинного обучения, встраивали ML-модели в продуктовые пайплайны и поддерживали их
• Работали с оркестраторами процессов обработки данных, например Apache Airflow
• Знаете правила дорожного движения и имеете опыт вождения автомобиля или мотоцикла