
Vie hiiri rivin päälle tai napauta riviä nähdäksesi täydelliset tilastot (EUR / kk tässä kaaviossa).
| Markkinat | Alaraja (25. persentiili) | Mediaani | Yläraja (75. persentiili) |
|---|---|---|---|
| Tietojemme mukainen palkka — ei mainittu ilmoituksessa (Senior-taso) | €307/kuukaudessa | €404/kuukaudessa | €500/kuukaudessa |
Tämä rooli on Nebius AI R&D:lle, tiimille, joka keskittyy soveltavaan tekoälytutkimukseen. Fyysisen tekoälyn tutkimuksemme tavoitteena on rakentaa älykkäitä agentteja, jotka pystyvät havainnoimaan, päätelemään ja toimimaan fyysisessä maailmassa. Tutkimusalueisiin kuuluvat: Vision-language-action-mallit yleiskäyttöiseen robottiohjaukseen Vahvistus- ja imitaatio-oppiminen ihmisten demonstraatioista, simulaatioista ja todellisista kokemuksista Multimodaalisen ruumiillistuneen datan skaalattava kerääminen, generointi ja kuratointi Simulaatio, maailmanmallit ja sim-to-real-siirto Multimodaalinen aistiminen, mukaan lukien näkö, kosketus, voima ja proprioseptiikka Muokkaat suuria perusmalleja ja oppimisalgoritmeja robottia agenteille, prototypoit uusia ominaisuuksia simulaatiossa ja validoit lupaavia lähestymistapoja todellisilla järjestelmillä. Tulokset johtavat usein yhteistyöhön viereisten tutkimus-, infrastruktuuri- ja insinööritiimien kanssa, joissa löydökset skaalataan ja otetaan käyttöön käytännössä. Etsimme tällä hetkellä senior- ja staff-tason ML-insinöörejä työskentelemään tutkimuksen pariin seuraavilla alueilla: Vision-language-action-mallit ja multimodaaliset perusmallit robotiikkaan Vahvistusoppiminen, imitaatio-oppiminen ja oppiminen demonstraatioista Ihmisten, robottien ja simuloitujen vuorovaikutusdatan skaalattava hankinta ja generointi Maailmanmallit, suunnittelu ja mallipohjainen ohjaus Sim-to-real-siirto, domeenisovitus ja robusti policyn arviointi Dexterity-manipulaatio, kokovartalokontrolli ja yleiskäyttöiset robottiaagentit Esimerkkejä vastuualueistasi voivat olla: Suurten mallien ja oppimisalgoritmien suunnittelu, toteutus, koulutus ja arviointi robottia agenteille Vision-language-action-arkkitehtuurien kehittäminen, jotka yhdistävät multimodaalisen havainnoinnin ja kielen ymmärryksen fyysiseen ohjaukseen Vahvistus- ja imitaatio-oppimismenetelmien tutkiminen harvoille, viivästyneille tai vaikeasti varmistettaville tavoitteille Skaalattavien menetelmien rakentaminen demonstraatioiden, teleoperaation datan, videon, simulaatiotrajektorioiden ja autonomisen robottikokemuksen integroimiseksi perusmalleihin Tallennusmetodologioiden, tietoaineistojen, arviointiprotokollien ja datalaatuputkien suunnittelu ruumiillistuneeseen oppimiseen Simulaatioympäristöjen kehittäminen ja sim-to-real-kokeiden suorittaminen fyysisillä robottialustoilla Suunnittelun, ohjatun generoinnin ja toimintatrajektorioiden haun tutkiminen Uusien ominaisuuksien prototypointi esimerkiksi dexterity-manipulaation, mobiilimanipulaation ja kokovartalokontrollin aloilla Robustin tutkimusohjelmiston ja hajautetun koulutusinfrastruktuurin kirjoittaminen nopean eksperimentoinnin mahdollistamiseksi Yhteistyö tutkimus- ja insinööritiimien kanssa lupaavien ideoiden kääntämiseksi luotettaviksi todellisiksi järjestelmiksi Tulosten viestiminen teknisten raporttien, avoimen lähdekoodin julkaisujen, demonstraatioiden ja tutkimusjulkaisujen kautta Odotamme sinulta: Syvällistä ymmärrystä koneoppimisen, vahvistusoppimisen tai robottioppimisen teoreettisista perusteista Syvää osaamista ainakin yhdellä relevantilla alueella, kuten vahvistusoppiminen, imitaatio-oppiminen, multimodaalinen generatiivinen mallintaminen, tietokonenäkö, robotiikka, suunnittelu tai ohjaus Kokemusta nykyaikaisten syväoppimismallien kouluttamisesta ja arvioinnista, mukaan lukien transformer-pohjaiset tai multimodaaliset perusmallit Huomattavaa kokemusta suurten mallien kouluttamisesta useilla laskentanodoilla Vahvat ohjelmistotekniikan ja algoritmisuunnittelun taidot; käytämme ensisijaisesti Pythonia Syvää kokemusta nykyaikaisesta syväoppimisympäristöstä; käytämme ensisijaisesti JAXia Kokemusta koneoppimiskokeiden suunnittelusta, suorittamisesta ja analysoinnista asianmukaisella tilastollisella tarkkuudella Kykyä muotoilla merkityksellisiä tutkimuskysymyksiä, suunnitella kokeita, jotka testaavat selkeitä hypoteeseja, ja tehdä perusteltuja johtopäätöksiä Kokemusta tutkimusideoiden toteuttamisesta ja nopeasta iteroinnista mallinnuksen, datan, infrastruktuurin ja arvioinnin välillä Vahvat viestintä- ja johtamiskyvyt, mukaan lukien kyky tehdä yhteistyötä tutkimus- ja insinöörialojen välillä Kyky dokumentoida tutkimustulokset selkeästi ja osallistua teknisiin raportteihin tai tutkimusjulkaisuihin Hyväksi katsotaan: Kokemus työskentelystä todellisten robottien ja robotiikkasimulaatioympäristöjen kanssa Kokemus dexterity-manipulaatiosta, koko-varren manipulaatiosta, mobiilimanipulaatiosta tai humanoidirobotiikasta Kokemus multimodaalisesta aistimisesta, mukaan lukien taktiiliset, voima-vääntö, syvyys- ja proprioseptiset signaalit Kokemus ihmisten demonstraatioiden keräämisestä teleoperaation, motion capturen, puettavien laitteiden tai havainnoinnin kautta Kokemus vision-language-mallien, vision-language-action-mallien tai video- ja maailmanmallien kehittämisestä tai jälkikoulutuksesta Kokemus syvän vahvistusoppimisen tekniikoista, kuten offline RL, actor-critic-menetelmät, PPO, palkitsemismallinnus, preferenssioppiminen tai mallipohjainen RL Tuttuus robotiikan työkaluihin ja simulaattoreihin, kuten MuJoCo, Isaac Sim, Isaac Lab, PyBullet, ROS tai vastaavat järjestelmät Tieto skaalattavista koulutustekniikoista, kuten FSDP tai ZeRO, FlashAttention, mixed-precision-koulutus, kvantisointi ja hajautettu checkpointing Tohtorin tutkinto tietojenkäsittelytieteestä, robotiikasta, koneoppimisesta, tekoälystä tai vastaavalta tekniseltä alalta, tai vastaava käytännön kokemus Näyttö vaikuttavista julkaisuista, avoimen lähdekoodin panoksista tai käyttöönotetuista robottijärjestelmistä Kokemus suurten hajautettujen datankäsittely-, simulaatio- tai mallikoulutusjärjestelmien rakentamisesta Kokemus tuotteiden tai tutkimusprototyyppien rakentamisesta ja toimittamisesta dynaamisessa, startup-tyylisessä ympäristössä Intohimo siirtää tutkimus kontrolloiduista kokeista kyvykkäisiin, luotettaviin todellisiin robottijärjestelmiin Erinomainen englannin kielen taito, mukaan lukien vahva tekninen kirjoittaminen, esiintyminen ja viestintä Nykyisten ohjelmistotekniikan käytäntöjen hallinta, mukaan lukien versionhallinta, testaus, koodikatselmoinnit ja CI/CD
Työn tiedot
Vastuualueet
- Suurten mallien ja oppimisalgoritmien suunnittelu, toteutus, koulutus ja arviointi robottia agenteille
- Vision-language-action-arkkitehtuurien kehittäminen, jotka yhdistävät multimodaalisen havainnoinnin ja kielen ymmärryksen fyysiseen ohjaukseen
- Vahvistus- ja imitaatio-oppimismenetelmien tutkiminen harvoille tai vaikeille tavoitteille
- Skaalattavien menetelmien rakentaminen demonstraatioiden, teleoperaation datan ja simulaatiotrajektorioiden integroimiseksi perusmalleihin
- Tallennusmetodologioiden, tietoaineistojen ja arviointiprotokollien suunnittelu ruumiillistuneeseen oppimiseen
- Simulaatioympäristöjen kehittäminen ja sim-to-real-kokeiden suorittaminen fyysisillä robottialustoilla
- Suunnittelun, ohjatun generoinnin ja toimintatrajektorioiden haun tutkiminen
- Uusien ominaisuuksien prototypointi dexterity-manipulaation, mobiilimanipulaation ja kokovartalokontrollin aloilla
- Robustin tutkimusohjelmiston ja hajautetun koulutusinfrastruktuurin kirjoittaminen
- Yhteistyö tutkimus- ja insinööritiimien kanssa ideoiden kääntämiseksi todellisiksi järjestelmiksi
- Tulosten viestiminen teknisten raporttien, avoimen lähdekoodin julkaisujen ja julkaisujen kautta
Vaatimukset
- Syvällinen ymmärrys koneoppimisen, vahvistusoppimisen tai robottioppimisen teoreettisista perusteista
- Syvä osaaminen ainakin yhdellä alueella: vahvistusoppiminen, imitaatio-oppiminen, multimodaalinen generatiivinen mallintaminen, tietokonenäkö, robotiikka, suunnittelu tai ohjaus
- Kokemus nykyaikaisten syväoppimismallien kouluttamisesta ja arvioinnista (transformer-pohjaiset tai multimodaaliset perusmallit)
- Huomattava kokemus suurten mallien kouluttamisesta useilla laskentanodoilla
- Vahvat ohjelmistotekniikan ja algoritmisuunnittelun taidot Pythonilla
- Syvä kokemus JAXista
- Kokemus ML-kokeiden suunnittelusta ja analysoinnista tilastollisella tarkkuudella
- Kyky muotoilla tutkimuskysymyksiä ja tehdä perusteltuja johtopäätöksiä
- Kokemus nopeasta iteroinnista mallinnuksen, datan, infrastruktuurin ja arvioinnin välillä
- Vahvat viestintä- ja johtamiskyvyt
- Kyky dokumentoida tutkimustuloksia ja osallistua teknisiin raportteihin/julkaisuihin
Taidot ja teknologiat
Koulutustaso
Ylempi korkeakoulututkinto
Aiheeseen liittyvät mahdollisuudet
Löydä lisää kiinnostuksen kohteisiisi ja taitoihisi sopivia mahdollisuuksia