Используем cookie для работы сайта и статистики. «Хорошо» разрешит ещё и запись сессий.
Torc
Анн-Арбор, Соединенные Штаты6 месяцев назад
177 300 – 212 800 USD
в год
Грейд
Senior
Опыт работы
от 1 лет
Формат работы
Удалённо, Офис
Тип занятости
Полная занятость
Уровень английского
B2, выше среднего
Письмо на почту или сообщение рекрутеру в Telegram
В Torc мы всегда верили, что технология автономных транспортных средств преобразует наши способы передвижения, перевозки грузов и ведения бизнеса. Являясь лидером в области автономного вождения с 2007 года, Torc более десяти лет коммерциализирует наши решения с опытными партнерами. Теперь, будучи частью семьи Daimler, мы сосредоточены исключительно на разработке программного обеспечения для автоматизированных грузовиков, чтобы трансформировать способы перевозки грузов в мире. Присоединяйтесь к нам и catapult your career с компанией, которая помогла стать пионером в области автономных технологий, и первой компанией-разработчиком программного обеспечения для AV с видением партнерства непосредственно с производителем грузовиков.
Познакомьтесь с командой: Команда Auto Tagger — это двигатель нашего конвейера данных, ответственный за преобразование петабайт необработанных мультимодальных данных транспортных средств в высококурируемую библиотеку критически важных сценариев вождения. Анализируя журналы вождения для выявления редких событий, мы предоставляем основополагающие данные, необходимые для безопасной автономной перевозки грузов. Используя логические слои Pegasus, эта команда структурирует и каталогизирует находки в базе данных наблюдений, что напрямую ускоряет разработку в области автономного восприятия, слияния датчиков и генеративного имитационного тестирования.
Анализ сценариев в масштабе: проектирование и оптимизация распределенных конвейеров данных для обработки массивных журналов мультисенсорных данных (камеры, LiDAR, радар, кинематика), автоматическое извлечение и каталогизацию критически важных для безопасности и редких событий вождения.
Расширенная маркировка событий: разработка и настройка как эвристических, так и ML-ассистированных алгоритмов (включая исследование моделей Vision-Language Models или семантического векторного поиска) для автоматической классификации и описания сложных экологических и поведенческих сценариев.
Стандартизированное структурирование данных: извлечение и форматирование данных сценариев с использованием стандарта слоев Pegasus (наряду с фреймворками с открытым исходным кодом) для обеспечения семантической согласованности и строгой целостности метаданных.
Интеграция конвейера данных: управление приемом маркированных событий в базу данных наблюдений, обеспечивая высокоскоростной запрос и извлечение для обучения ML, регрессионного тестирования и проверки системы.
Кросс-функциональное согласование: действовать с широкой автономией для достижения консенсуса по организационным границам. Тесно сотрудничать с последующими потребителями в области восприятия, симуляции и системной инженерии для определения того, что представляет собой «интересный сценарий», и операционализации непрерывного цикла данных.
Наставничество и рост команды: руководство, наставничество и развитие менее опытных инженеров. Проведение обзоров дизайна, установление стандартов кодирования и развитие культуры технического совершенства и совместного решения проблем.
Степень бакалавра в области компьютерных наук, робототехники, электротехники или смежной технической области, плюс продемонстрированные компетенции и технические навыки, обычно приобретаемые за 6+ лет опыта ИЛИ; степень магистра в области компьютерных наук, робототехники, электротехники или смежной технической области, плюс продемонстрированные компетенции и технические навыки, обычно приобретаемые за 3+ года опыта ИЛИ; степень доктора философии в области компьютерных наук, робототехники, электротехники или смежной технической области, плюс продемонстрированные компетенции и технические навыки, обычно приобретаемые за 1+ год опыта.
Основные языки: сильные навыки Python и SQL, с большим опытом обработки массивных временных рядов или неструктурированных наборов данных.
ML и курирование наборов данных: практический опыт машинного обучения и курирования наборов данных, с продемонстрированной историей внедрения целевых наборов данных, которые измеримо улучшают производительность последующих моделей.
Исследование данных: практический опыт использования Databricks (или аналогичных платформ) для крупномасштабной аналитики, интерактивных запросов и поиска в огромных наборах данных транспортных средств.
Облачные вычисления и вычислительные ресурсы: опыт работы с распределенными вычислительными фреймворками (Ray, Spark, Beam) и облачными платформами (AWS, GCP или Azure) для выполнения тяжелых нагрузок по обработке данных.
Стандарты AV: опыт разбора сложных форматов данных и применения стандартов описания сценариев, таких как слои Pegasus.
Коммуникация: исключительная способность преобразовывать сложные задачи инженерии данных в четкие стратегии для кросс-функциональных заинтересованных сторон.
Техническое лидерство: подтвержденный опыт наставничества команд, управления архитектурой систем и определения дорожных карт разработки.
Автоматическая маркировка и VLM: знакомство с базовыми моделями, конвейерами автоматической маркировки или классификацией zero-shot для извлечения сценариев.
Обслуживание моделей: опыт работы с vLLM, SGLang или аналогичными фреймворками для высокооптимизированного обслуживания моделей и инференса с высокой пропускной способностью.
Семантический инференс: опыт семантического извлечения и сопоставления атрибутов для помощи в создании надежного движка семантического инференса, выходящего за рамки стандартного обнаружения объектов с помощью ограничивающих рамок.
Инструменты для работы с данными: знакомство с разбором форматов робототехники (ROS bags, MCAP) и оптимизацией высокопроизводительных форматов колоночного хранения (Parquet, Arrow).
Последующая интеграция: знание того, как данные сценариев поступают в рабочие процессы генеративного моделирования, нейронного рендеринга или проверки слияния датчиков.
Расширенный поиск: опыт создания систем семантического поиска или векторных баз данных для автомобильных данных.
Вознаграждение (диапазон оплаты в США): 177 300 – 212 800 долларов США в год
Torc заботится о своих сотрудниках и стремится предоставлять льготы и ресурсы для поддержки их здоровья, баланса между работой и личной жизнью и будущего. Наша культура — это совместная, энергичная и ориентированная на команду работа. Torc предлагает:
Конкурентоспособный пакет вознаграждения, включающий бонусную часть и опционы на акции 100% оплата медицинского, стоматологического и офтальмологического страхования для штатных сотрудников План 401K с 6% корпоративным взносом Гибкий график и щедрый оплачиваемый отпуск (доступен сразу после даты начала работы) Корпоративные праздничные выходные дни Страхование от несчастного случая и жизни
В Torc мы стремимся создать разнообразное и инклюзивное рабочее место. Мы ценим уникальность наших сотрудников Torc’rs и не дискриминируем по признаку расы, религии, цвета кожи, национального происхождения, пола (включая беременность, роды или связанные с этим медицинские состояния), сексуальной ориентации, гендерной идентичности, гендерного самовыражения, возраста, статуса ветерана или инвалидности. Даже если вы не соответствуете 100% перечисленным требованиям для этой вакансии, мы призываем вас подать заявку.
Наше вознаграждение отражает стоимость труда на различных географических рынках. Оплата основана на ряде факторов и может варьироваться в зависимости от знаний, навыков и опыта, связанных с работой. Общий пакет вознаграждения Torc также будет включать наш корпоративный бонус и план опционов на акции. В зависимости от предлагаемой должности, единовременные выплаты, релокация и другие формы вознаграждения могут быть предоставлены в рамках общего пакета вознаграждения, в дополнение к полному спектру медицинских, финансовых и/или других льгот.
Hiring Range for Job Opening US Pay Range $177,300 — $212,800 USD
Compensation (US Pay Range): 177,300 – 212,800 USD per year
About the Company At Torc, we have always believed that autonomous vehicle technology will transform how we travel, move freight, and do business. A leader in autonomous driving since 2007, Torc has spent over a decade commercializing our solutions with experienced partners. Now a part of the Daimler family, we are focused solely on developing software for automated trucks to transform how the world moves freight. Join us and catapult your career with the company that helped pioneer autonomous technology, and the first AV software company with the vision to partner directly with a truck manufacturer.
Meet The Team: The Auto Tagger team is the engine behind our data flywheel, responsible for translating petabytes of raw, multi-modal vehicle data into a highly curated library of critical driving scenarios. By mining driving logs for long-tail events, we provide the foundational data required for safe autonomous trucking. Leveraging Pegasus logical layers, this team structures and catalogs findings into an observations database that directly accelerates development across autonomous perception, sensor fusion, and generative simulation testing.
What You'll Do: Scenario Mining at Scale: Architect and optimize distributed data pipelines to process massive multi-sensor logs (camera, LiDAR, radar, kinematics), automatically extracting and cataloging safety-critical and long-tail driving events.
Advanced Event Tagging: Develop and tune both heuristic-based and ML-assisted algorithms (including exploring Vision-Language Models or semantic vector search) to automatically classify and describe complex environmental and behavioral scenarios.
Standardized Data Structuring: Extract and format scenario data utilizing the Pegasus layer standard (alongside opensource frameworks) to ensure semantic consistency and rigorous metadata integrity.
Data Flywheel Integration: Manage the ingestion of tagged events into the observations database, enabling high-speed querying and retrieval for ML training, regression testing, and system validation.
Cross-Functional Alignment: Operate with broad autonomy to drive consensus across organizational boundaries. Collaborate closely with downstream consumers in perception, simulation, and systems engineering to define what constitutes an "interesting scenario" and operationalize a continuous data loop.
Mentorship & Team Growth: Guide, mentor, and elevate less-experienced engineers. Lead design reviews, establish coding standards, and foster a culture of technical excellence and collaborative problem-solving.
What You'll Need to Succeed: Bachelor’s Degree in Computer Science, Robotics, Electrical Engineering or related technical field plus demonstrated competencies and technical proficiencies typically acquired through 6+ years of experience OR; Master’s Degree in Computer Science, Robotics, Electrical Engineering or related technical field plus demonstrated competencies and technical proficiencies typically acquired through 3+ years of experience OR; PhD in Computer Science, Robotics, Electrical Engineering or related technical field plus demonstrated competencies and technical proficiencies typically acquired through 1+ years of experience.
Core Languages: Strong Python and SQL skills, with heavy experience processing massive time-series or unstructured datasets.
ML & Dataset Curation: Hands-on machine learning and dataset curation experience, with a demonstrated history of implementing targeted datasets that measurably improve downstream model performance.
Data Exploration: Hands-on experience using Databricks (or similar platforms) for large-scale analytics, interactive querying, and making massive vehicle datasets searchable.
Cloud & Compute: Expertise in distributed compute frameworks (Ray, Spark, Beam) and cloud platforms (AWS, GCP, or Azure) for executing heavy data workloads.
AV Standards: Experience parsing complex data formats and applying scenario-description standards like Pegasus layers.
Communication: Exceptional ability to translate complex data engineering challenges into clear strategies for cross-functional stakeholders.
Technical Leadership: Proven track record of mentoring teams, driving system architecture, and defining engineering roadmaps.
Bonus Points! Auto-labeling & VLMs: Familiarity with foundational models, auto-labeling pipelines, or zero-shot classification for scenario extraction.
Model Serving: Experience with vLLM, SGLang, or similar frameworks for highly optimized, high-throughput model serving and inference
Semantic Inference: Experience with semantic extraction and attribute mapping to help build out a robust semantic inference engine, moving beyond standard bounding-box object detection.
Data Tooling: Familiarity with parsing robotics formats (ROS bags, MCAP) and optimizing high-performance columnar storage formats (Parquet, Arrow).
Downstream Integration: Knowledge of how scenario data feeds into generative simulation workflows, neural rendering, or sensor fusion validation.
Advanced Retrieval: Experience building semantic retrieval systems or vector databases for automotive data.
Perks of Being a Torc’r Torc cares about our team members and we strive to provide benefits and resources to support their health, work/life balance, and future. Our culture is collaborative, energetic, and team focused. Torc offers:
A competitive compensation package that includes a bonus component and stock options 100% paid medical, dental, and vision premiums for full-time employees 401K plan with a 6% employer match Flexibility in schedule and generous paid vacation (available immediately after start date) Company-wide holiday office closures AD+D and Life Insurance
At Torc, we’re committed to building a diverse and inclusive workplace. We celebrate the uniqueness of our Torc’rs and do not discriminate based on race, religion, color, national origin, gender (including pregnancy, childbirth, or related medical conditions), sexual orientation, gender identity, gender expression, age, veteran status, or disabilities. Even if you don’t meet 100% of the qualifications listed for this opportunity, we encourage you to apply.
Our compensation reflects the cost of labor across several geographic markets. Pay is based on a number of factors and may vary depending on job-related knowledge, skills, and experience. Torc's total compensation package will also include our corporate bonus and stock option plan. Dependent on the position offered, sign-on payments, relocation, and other forms of compensation may be provided as part of a total compensation package, in addition to a full range of medical, financial, and/or other benefits.
Job ID: R-102717 Hiring Range for Job Opening US Pay Range $177,300 — $212,800 USD
Сравним навыки, грейд, формат работы и зарплату
Чаще всего от 160 000 до 204 000
