首席机器人学习工程师

关于我们 AIM为现实世界构建自主性——能够移山的机器人。我们的系统将软件、硬件和机器人技术相结合，将重型设备转变为智能机器，重塑土方工程的方式。 操作这些机器需要适应不断变化的地面状况、材料特性、负载和接触条件。我们正在寻找一名员工级别或更高级别的机器人学习工程师，负责领导数据驱动自主技能的技术开发，帮助我们的机器通过演示、模拟和经验进行学习和改进。这是一个亲自动手的个人贡献者角色，级别根据经验和范围匹配为员工、高级员工、首席级别或以上。 关于你 你曾领导从模糊问题到实施和实际部署的复杂机器人学习工作。你能够设定技术方向，将工作分解为实际的里程碑，并在深入参与代码、实验和机器行为的同时，带领其他工程师前进。 你曾构建并部署使用强化学习、模仿学习或行为克隆的策略。你能够解释你所负责的决策、你测试的替代方案，以及证明系统是否有效的证据。你拥有判断力，知道何时收集更好的数据、改进模拟器、改变策略或修复周围的机器人系统。 你对不完美的演示、有限的机器人时间和与现实不完全匹配的模拟感到舒适。你使用实验来区分数据问题与建模、学习或集成问题，并根据测量的性能选择方法。 你能够影响机器人、控制、感知、软件和现场团队的技术决策。你通过设计评审、代码评审和指导来提高工程标准，并对交付可靠的机器行为负责。你仍然是一个积极的构建者：编写代码、训练策略、调试故障和在硬件上进行测试。 关于我们一起 我们将为人重型设备构建学习到的自主技能，潜在应用包括挖掘、装载、平整和与可变材料互动。我们将这些技能与更广泛的自主系统连接，并使用机器数据随时间提高其可靠性。 我们的进度衡量标准将是可重复的任务执行：成功的执行、有用的生产力、较少的干预和在变化的条件下可靠的操作。 你将负责什么 领导技术工作 构建和评估一个代表性自主技能的原型（POC），以确定可行性和可衡量的性能基线。 使用POC来识别数据、模拟、学习方法、机器集成和评估方面的差距，并确定必须改进的优先级。 根据POC的发现，从解决关键差距到部署和持续改进，制定并执行分阶段的技术路线图。 定义数据、模拟、训练、策略推理、控制和评估之间的架构和接口。 根据任务需求、数据可用性和测量结果，在RL、模仿学习、行为克隆和既定的机器人方法之间做出权衡并传达。 领导跨团队执行，解决技术难题，指导工程师，并亲自实施系统的关键部分。 开发学习到的自主技能 制定机器人学习问题：观察、行动、任务目标、奖励或模仿目标，以及策略结构。 实施和评估强化学习、行为克隆或相关的模仿学习方法；当证据支持时，选择和组合方法。 构建能够处理变化、从失败中恢复并与现有规划和控制系统协同工作的技能。 构建数据和训练循环 与操作员和机器人工程师合作，收集演示、机器轨迹、干预和故障案例。 开发用于同步、数据集策划、质量检查、版本控制和可重复训练的工具。 识别数据中的差距，并设计有针对性的收集或模拟实验，以提高覆盖范围和鲁棒性。 将策略转移到真实机器上 在有用的情况下构建和改进基于模拟的训练和测试，并描述模拟和物理行为之间的差异。 解决部署约束，如传感器噪声、延迟、动作限制、推理性能和变化的机器动态。 将学习到的策略与感知、状态估计、控制和运行时监督集成，包括定义的后备和操作模式之间的转换。 建立可靠的评估 使用保留的任务、环境或操作条件，将学习到的策略与适当的基线进行比较。 测量任务成功、干预率、周期时间、约束违规和其他相关的机器结果。 从日志和实验中诊断故障，并构建回归测试，以捕捉模型和数据更新中的性能损失。 在更广泛的现场部署之前，通过模拟和受控的硬件试验验证更改，与系统和安全工程师合作。 资格要求 在员工级别或以上对重大的机器人或机器人学习工作有技术负责的证明：设定方向、做出架构决策、协调跨团队，并交付工作系统。 在物理机器人或车辆上亲自实施、训练、部署和评估学习到的策略的记录。必须具备强化学习、模仿学习或行为克隆方面的深度经验；欢迎在RL和BC方面的经验。 最近对生产或部署质量软件、学习实验和硬件调试有实际贡献，同时具备技术领导力。 指导工程师并提高工程标准的经验