ML-разработчик в команду генерации сцены симулятора автономного автомобиля

Ключевые критерии качества автономного автомобиля — безопасность, комфорт и эффективность. Оценивать их на основе реальных поездок слишком долго, дорого, а иногда и вообще невозможно. В Яндексе разработана система симуляции, которая помогает эффективно измерять качество релизов ПО. Она позволяет анализировать поведение авто в виртуальном окружении, быстро определять и сравнивать, как ведёт себя машина в разных условиях — на разных территориях, при разной погоде и в различных дорожных ситуациях.

Сейчас наша задача — предоставить пользователям простой и интуитивный доступ к редактору дорожных ситуаций. Применяя технологии LLM, нужно дать им возможность создавать и редактировать сценарии дорожных ситуаций с помощью текста.

Какие задачи вас ждут

Система редактирования сценариев для симулятора
Вам предстоит систематизировать заказы на генерацию сценариев от разных команд (разработки, аналитики, QA и других), прорабатывать архитектуру новых сервисов и инструментов для создания и редактирования сценариев, а также разрабатывать метрики для оценки эффективности новых функций.

Разработка инструментов на основе ML-моделей для генерации сценариев
Вы будете создавать инструменты для удобной генерации сценариев симуляции. Для этого нужно использовать внешние большие языковые модели (LLM) и внутренние диффузионные модели управляемого синтеза дорожного трафика. Сценарии будут основываться на разных источниках: записях реальных проездов, формальных требованиях ПДД и ISO-стандартах, а также на разнородных внешних коллекциях сложных дорожных ситуаций.

Разработка системы фаззинга дорожной ситуации
Вам нужно будет разработать систему направленного фаззинга исходов симуляции. Она поможет эффективнее обнаруживать новые категории проблем автономного транспорта в дорожных сценариях, выявлять потенциально опасные ситуации для участников движения и оценивать вероятность их возникновения.

Мы ждем, что вы

• Строили отказоустойчивые и воспроизводимые пайплайны сбора данных
• Оптимизировали инференс нейросетей и/или встраивали их в продакшен-решения
• Программировали на Python и С++
• Владеете современными ML-алгоритмами и методами математической статистики

Будет плюсом, если вы

• 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