Инженер по глубокому обучению, World Models

Команда: VLA Core Technology Местоположение: Великобритания, Лондон Тип занятости: Полный рабочий день

В Humanoid мы верим в будущее, где роботы расширяют человеческий потенциал. Именно поэтому мы поставили перед собой миссию по созданию самых способных, коммерчески масштабируемых и безопасных человекоподобных роботов в мире. Мы воплощаем эту миссию в жизнь с помощью HMND-01 Alpha — нашей быстро разработанной человекоподобной платформы, которая уже работает в реальных промышленных пилотных проектах — и мы расширяем команду, чтобы продвинуться еще дальше.

НАША МИССИЯ

В Humanoid мы стремимся создавать ведущих в мире, коммерчески масштабируемых, безопасных и передовых человекоподобных роботов, которые беспрепятственно интегрируются в повседневную жизнь и расширяют человеческие возможности.

О РОЛИ

В качестве инженера-исследователя в команде World Models вы будете создавать генеративные модели, управляемые действиями, которые предсказывают, как мир эволюционирует вокруг наших роботов — будущее видео, проприоцепцию, контакты и результаты — на основе прошлых наблюдений и действий. Модели мира служат четырем целям в нашем стеке: предварительно обученный, физически осведомленный априорный для наших политик VLA; движок для сбора редких данных, межплатформенного переноса и переноса из симуляции в реальность; тестовый стенд для оценки и тестирования политик перед использованием оборудования; и движок развертывания для прогнозирования будущего, который выявляет, что намереваются делать наши политики, для обеспечения безопасности и планирования. Это практическая роль индивидуального контрибьютора: вы будете проектировать архитектуры, запускать большие тренировочные задания и валидировать ваши модели на основе реальных данных с промышленных развертываний.

ЧТО ВЫ БУДЕТЕ ДЕЛАТЬ

• Проектировать и обучать мультимодальные модели мира — видео, состояние, действие и язык — с использованием архитектур на основе диффузии и трансформеров.
• Создавать модели предсказания видео и динамики, управляемые действиями, которые остаются физически согласованными на больших временных горизонтах, включая манипуляции с контактом, и служат предварительно обученными априорными для политик VLA.
• Разрабатывать оценку симулятора на основе обучения: оценивать кандидатные политики в автономном режиме, прогнозировать реальные показатели успеха перед развертыванием и разворачивать будущие сценарии политик для выявления предполагаемого поведения для обзора безопасности и планирования.
• Генерировать синтетические развертывания и контрфактический опыт — включая редкие события, межплатформенный перенос и перенос из симуляции в реальность — для дополнения обучения политик и измерения их влияния на производительность последующих задач.
• Устанавливать метрики точности и протоколы калибровки, которые количественно определяют, где модель мира можно доверять, и где она отклоняется от реальности.
• Создавать конвейеры данных, которые преобразуют телеметрию парка, журналы телеопераций и видео в масштабе Интернета в обучающие корпуса для моделей мира.
• Проводить исследования масштабирования и абляции архитектуры, смеси данных и длины контекста; четко сообщать о результатах.
• Сотрудничать с командами предварительного обучения, RL и манипуляций для интеграции моделей мира в циклы обучения и оценки политик.

ЧТО МЫ ИЩЕМ

• Опыт обучения больших генеративных моделей — видео, мира или мультимодальных — с подтвержденными моделями или опубликованными артефактами.
• Глубокий практический опыт работы с современными генеративными архитектурами: диффузионными моделями, авторегрессионными трансформерами, моделями на основе скрытых переменных или предсказанием видео.
• Опыт крупномасштабного распределенного обучения: потоковые наборы данных, управление контрольными точками и состоянием, отладка численных и нестабильных процессов обучения.
• Сильный Python + PyTorch/JAX; вы сможете профилировать ядра, оптимизировать загрузчики данных и писать поддерживаемый исследовательский код.
• Эмпирическая строгость: вы проектируете тщательные оценки, запускаете честные базовые сравнения и четко документируете эксперименты.
• Энтузиазм по поводу привязки генеративных моделей к физической реальности, а не только к пикселям.

ПРИЯТНО ИМЕТЬ

• Опыт работы с моделями мира для робототехники или автономного вождения (например, видеомодели, управляемые действиями, симуляторы на основе обучения, RL на основе моделей).
• Знакомство с симуляторами робототехники (Isaac Sim, MuJoCo) и аспектами переноса из симуляции в реальность.
• Опыт использования моделей мира для оценки политик или генерации синтетических данных в большом масштабе.
• Публикации на конференциях высшего уровня по глубокому обучению (NeurIPS, ICML, ICLR, CoRL, CVPR) или эквивалентный вклад в открытый исходный код.
• Опыт оптимизации генеративных моделей для быстрой инференции.

ЧТО МЫ ПРЕДЛАГАЕМ

• Конкурентоспособная доля в компании: опционы на акции со значительным ростом по мере масштабирования.
• Более 30 оплачиваемых выходных дней, включая 23 дня ежегодного отпуска, все банковские праздники Великобритании и дополнительные дни закрытия компании (включая перерыв на Рождество и Новый год).
• Частное медицинское страхование, включая виртуальную и очную помощь.
• Пенсионная схема с общим взносом 8% (5% сотрудник, 3% работодатель) от полного заработка.
• Бесплатный ежедневный завтрак, обед по меню и закуски в офисе.
• Работа на переднем крае — ежедневное сотрудничество с инженерами мирового класса, исследователями и экспертами по продуктам, создающими следующее поколение ИИ и человекоподобной робототехники.
• Реальная ответственность — прямой доступ к руководству основателей, значительное влияние на направление продукта и возможность руководить ключевыми инициативами с первого дня.