ML Engineer (Robotics / Physical AI)

Мы строим физический интеллект — системы, которые обучают роботов широкому спектру навыков для действий в реальном мире. Это следующий шаг после революции LLM: вместо текста — действие в физической среде. Ищем сильного ML-инженера, который любит доводить модели до уровня реальных манипуляций и локомоции.

Какие задачи вас ждут

Внедрение ML в обучение роботов
Вам предстоит разрабатывать и обучать политики для роботов: Imitation Learning (BC, DAgger, Transformer policies), Reinforcement Learning (on-/off-policy, offline RL, reward design), практиковать мультимодальные VLA-подходы. Вы будете проектировать и внедрять трансформерные архитектуры для планирования, восприятия и контроля, интегрировать VLM и LLM для претрейна, планирования, grounding, рефлексии и декомпозиции задач, работать с ML-конвейером данных: заниматься сбором, разметкой, очисткой, синтезом и аугментацией, датасетами демонстраций и опытов. Также в числе задач будут трансфер sim2real и human2robot (симуляция на Isaac Gym, доменные рандомизации, перенос на реальных роботов), деплой на роботах (оптимизация вывода, realtime-ограничения, телеметрия), масштабирование распределённого обучения на GPU-кластере (FSDP, DeepSpeed, Tensor Parallellism).

Мы ждем, что вы

• Глубоко понимаете Deep Learning: оптимизацию, регуляризацию, генеративные модели, последовательности, мультимодальность
• Работали с трансформерами: занимались дизайном и тренировкой больших моделей, знаете узкие места и рецепты стабильности
• Имеете практический опыт в VLM/LLM: prompting, adapters/LoRA, grounding, tool/use, планирование
• Имеете сильные навыки в PyTorch: знаете кастомные датасеты, AutoGrad, профилирование, mixed precision
• Занимались распределённым обучением на GPU-кластере: знаете FSDP, DeepSpeed, Tensor Parallellism, чекпойнты и рестарты
• Имеете инженерные навыки: CI, мониторинг, логирование, знаете Python, Linux, Git, Docker, пишете чистый код
• Хорошо знаете математику: теорию вероятностей, оптимизацию, линейную алгебру, основы управления и динамики, умеете формализовать задачи

Будет плюсом, если вы

• Работали с RL/IL в робототехнике: знаете PPO, SAC, TD3, BC, DAgger, IRL, offline RL, reward shaping, constraints
• Знаете модели действий: Diffusion Policies, Action Tokenization, DT, стек VLA
• Разбираетесь в восприятии и 3D: детекции и сегментации, трекинге, позе, SLAM, геометрии
• Работали с симуляторами и контролем: Isaac Gym, MuJoCo, PyBullet, kinematics/dynamics
• Знаете ROS2 и роботостек: драйверы, калибровку, синхронизацию сенсоров, безопасность
• Занимались оптимизацией вывода: работали с CUDA, TensorRT, quantization, on-device/edge
• Имеете публикации или опыт в опенсорс-проектах в области ML и робототехники