Разработчик алгоритмов управления в команду Control

Navio — разработчик технологии автономного вождения, совместимой с различными видами транспорта: от легковых автомобилей до грузовиков.

Navio объединяет культуру автопроизводителей и IT-компаний. Больше 800 специалистов каждый день работают над тем, чтобы доставка грузов стала быстрее и эффективнее, а городской транспорт — безопаснее и комфортнее.

Ключевое направление работы Navio — создание универсальной автономной технологии, включающей Software и Hardware компоненты, R&D, уникальный процесс тестирования и экосистему сервисов для обработки данных и управления автономным флотом автомобилей.

О команде:

Команда Control отвечает непосредственно за управление автономным автомобилем. Управляет рулевой, тормозной системой, двигателем, светотехникой автомобиля и прочими системами. Наша задача сделать так, чтобы автомобиль ехал по заданному маршруту с минимальным отклонением от него. Наш софт работает на современных микроконтроллерах, и мы не ограничиваем себя возможностями языка C++, за исключением использования динамического выделения памяти.

Чем предстоит заниматься:

• Развивать алгоритмы системы управления автономного транспортного средства;
• Улучшать качество алгоритмической и кодовой базы;
• Развивать внутреннюю архитектуру компонента Control;
• Участвовать в проведении code review;
• Разрабатывать новые функциональные возможности, в том числе в сотрудничестве со смежными командами;
• Писать модульные тесты (unit tests);
• Тестировать программное обеспечение на транспортном средстве, в том числе с выездом на полигоны и тестовые локации;
• Участвовать в обсуждении текущих и перспективных подходов к разработке.

Что мы ждем от кандидата:

Навыки:

• математический анализ;
• линейная алгебра;
• численные методы оптимизации (LP, QP, NLP, SQP, SDP);
• задачи регрессии и регуляризация (LS, NLS, SVM, elastic net, sparse & robust regression);
• дифференциальные уравнения (численные методы, дискретизация, моделирование динамических систем, жесткие системы, подстройка гиперпараметров, работа с реальными данными).

Знания по теории управления:

• устойчивость;
• управляемость;
• принцип обратной связи;
• feedforward;
• PID;
• LQR;
• MPC.

Навыки и знания работы с Big Data:

• PCA;
• предобработка данных;
• обучение рекуррентных сетей;
• Physics-Informed Neural Networks (PINNs).

Практические навыки работы:

• C++;
• Python & Jupyter Notebook (Torch, Scipy, cvxpy, CasADi, Acados, JAX);
• инфографика.