ML-инженер навигации в PhysicalAI

Современная робототехника зашла в тупик: громоздкие системы с кучей зависимостей, хрупкие и дорогие HD-карты. Каждый новый сценарий — это и новые компромиссы.

В PhysicalAI мы считаем, что нужен другой подход. Мы создаём универсальные «мозги» на базе VLA-моделей, которые учатся на данных. Наша цель — научить роботов выполнять задачи так же, как это делает человек: интуитивно, гибко и без идеальной карты.

Мы начинаем создавать навигацию нового поколения. Это не просто ML-проект — это шанс с нуля построить решение, которое определит будущее автономного движения. Если вам нравится идея перевернуть индустрию и создать нечто абсолютно новое — мы ищем именно вас!

Какие задачи вас ждут

Разработка новых подходов к навигации
Вам предстоит проектировать и ставить смелые эксперименты с VLA-моделями на трансформерных архитектурах, чтобы найти принципиально новые подходы к навигации. Самостоятельно проводить полный цикл экспериментов: от создания сильных бейзлайнов (в том числе на классических подходах) и формулирования смелой гипотезы до анализа результатов и поиска точек роста.

Развитие продукта и моделей
Вместе с разработчиками базовой VLA-модели вы будете развивать общий технологический стек, влиять на стратегию сбора данных и разметки, работая с командами данных и тестирования. Вам предстоит интегрировать лучшие модели в основной продукт, чтобы повлиять на работу реальных роботов, а также оценивать качество моделей и повышать их вычислительную эффективность.

Мы ждем, что вы

• Решали продуктовые ML-задачи полного цикла: от сбора данных и построения бейзлайна до внедрения решений в прод
• Разрабатывали на Python коммерческие проекты
• Работали с PyTorch или TensorFlow
• Имеете хорошую алгоритмическую подготовку
• Умеете работать с современной инфраструктурой (Docker, CI/CD)
• Самостоятельны, проактивны и готовы брать на себя задачи, для которых ещё не существует стандартных решений

Будет плюсом, если вы

• Работали с C++
• Занимались продуктовой разработкой
• Знакомы с традиционной робототехникой и подходами на основе VLA
• Работали с большими моделями (LLM, VLM, VLA, Foundation Models) в иных доменах
• Читаете статьи с ML-конференций, следите за развитием области
• Хорошо разбираетесь в классическом ML