3D Computer Vision Research Engineer - Παγκόσμιος Χάρτης

Σχετικά με τη Niantic Spatial
Η τεχνητή νοημοσύνη έχει μάθει σχεδόν από τα πάντα στο διαδίκτυο, αλλά εξακολουθεί να παλεύει με τον φυσικό κόσμο, όπου συμβαίνει το 99,5% της οικονομικής δραστηριότητας. Δεν γνωρίζει πού είναι τα πράγματα, πώς ταιριάζουν οι χώροι μεταξύ τους ή τι αλλάζει με την πάροδο του χρόνου.
Αυτό είναι ένα από τα μεγαλύτερα άλυτα προβλήματα στην τεχνητή νοημοσύνη και είναι αυτό που λύνουμε στο Niantic Spatial. Κατασκευάζουμε χωρικά μοντέλα και υπηρεσίες τεχνητής νοημοσύνης, ώστε οι άνθρωποι και οι μηχανές να μπορούν να συλλογίζονται, να μαθαίνουν και να ενεργούν με ασφάλεια στον φυσικό κόσμο. Μετατρέπουμε εικόνες κάμερας, βίντεο, δεδομένα αισθητήρων και αρχεία σε ακριβείς, αναγνώσιμες με τεχνητή νοημοσύνη αναπαραστάσεις πραγματικών σημείων στα οποία μπορούν να εκπαιδεύσουν τα ρομπότ και οι μηχανές μπορούν να χρησιμοποιήσουν για να γνωρίζουν ακριβώς πού βρίσκονται.
Στη φυσική τεχνητή νοημοσύνη, τα λάθη έχουν πραγματικές συνέπειες. Αυτός είναι ο λόγος για τον οποίο κατασκευάζουμε τεχνητή νοημοσύνη βασισμένη στη μετρημένη πραγματικότητα, όχι σε εικασίες, έτσι ώστε οι άνθρωποι και οι μηχανές που βασίζονται σε αυτό να μπορούν να το εμπιστεύονται για να διορθώσουν τα πράγματα.
Η ομάδα μας κατασκεύασε μερικούς από τους πιο ευρέως χρησιμοποιούμενους χάρτες στον κόσμο. Τώρα χτίζουμε κάτι μεγαλύτερο: μια ζωντανή, μετρημένη καταγραφή του πραγματικού κόσμου που οι μηχανές μπορούν να αναζητήσουν, να μάθουν και να χρησιμοποιήσουν για να κατανοήσουν πώς αλλάζουν τα μέρη με την πάροδο του χρόνου. Εάν θέλετε να βοηθήσετε την τεχνητή νοημοσύνη να κατανοήσει τον κόσμο στον οποίο ζούμε, ελάτε να δημιουργήσουμε μαζί μας.

Σχετικά με το Ρόλο
Θα συμβάλετε στη δημιουργία της γεωμετρικής βάσης του παγκόσμιου χάρτη επόμενης γενιάς — συμμετέχοντας στην ομάδα Μηχανικής Έρευνας Παγκόσμιων Χαρτών (Geospatial Alignment) ως Ερευνητής Μηχανικός ή Ανώτερος Ερευνητής Μηχανικός. Αυτός είναι ένας ρόλος εφαρμοσμένης έρευνας από άκρο σε άκρο που εκτείνεται από ισχυρή εργασία μηχανικής και συστημάτων δεδομένων έως Ε&Α σε τρισδιάστατη βαθιά μάθηση, μετασχηματιστές και μοντέλα θεμελίωσης. Θα αναπτύξετε νέους αλγόριθμους, θα παράγετε τα ερευνητικά δεδομένα και τα στοιχεία αξιολόγησης που απαιτούνται για την προώθηση τους και θα δημιουργήσετε τις προκύπτουσες δυνατότητες σε αξιόπιστα συστήματα παραγωγής.
Η ομάδα World Map λειτουργεί με ετερογενείς λήψεις από τηλέφωνα και φορητές συσκευές, αεροφωτογραφίες, LiDAR και κάμερες 360, καθώς και εξωτερικά γεωγραφικά και υψομετρικά δεδομένα. Η κεντρική πρόκληση είναι η εναρμόνιση αυτών των πηγών δεδομένων, η ποσοτικοποίηση της αβεβαιότητας και η διατήρηση της συνέπειας καθώς εξελίσσεται ο χάρτης.
Θα εργαστείτε στη διασταύρωση της έρευνας αιχμής και της κλιμακούμενης μηχανικής — αναπτύσσοντας νέες προσεγγίσεις για τη γεωχωρική καταχώριση, την αλληλογραφία και τη γεωμετρική βελτιστοποίηση και στη συνέχεια θα παράγετε αυτές τις τεχνολογίες για να βελτιώσετε άμεσα το παγκόσμιο μοντέλο της Niantic Spatial.

Τι θα κάνετε

• Γεωχωρική εγγραφή — Αναπτύξτε και προωθήστε αλγόριθμους για γεωαναφορά και καταχώρηση παγκόσμιας κλίμακας σε εικόνες, τρισδιάστατες ανακατασκευές, σύννεφα σημείων και δεδομένα γεωγραφικής αναφοράς.

• Τρισδιάστατη γεωμετρία και αντιστοιχία — Δημιουργήστε και βελτιώστε μεθόδους που καλύπτουν γεωμετρία πολλαπλών προβολών, SfM, SLAM, αντιστοίχιση χαρακτηριστικών, μαθημένη αλληλογραφία, προσαρμογή δέσμης, καταχώρηση σημείου-νέφους και ICP.

• Δεδομένα και αξιολόγηση — Δημιουργήστε τον σφόνδυλο δεδομένων και αξιολόγησης για χαρτογράφηση παγκόσμιας κλίμακας — σχεδιάστε και διατηρήστε σύνολα δεδομένων μεγάλης κλίμακας, αγωγούς, σημεία αναφοράς και μεθοδολογίες αξιολόγησης που εκθέτουν τρόπους σκληρής αστοχίας, επιταχύνουν την επανάληψη της έρευνας και υποστηρίζουν την παραγωγή.

• Συλλογισμός 3D βάσει μάθησης — Εξερευνήστε και αναπτύξτε προσεγγίσεις βασισμένες στη μάθηση για γεωχωρική κατανόηση, συνδυάζοντας μετασχηματιστές και τρισδιάστατα μοντέλα θεμελίωσης με γεωμετρικές προτεραιότητες και μοντελοποίηση αβεβαιότητας.

• Ισχυρότητα παραγωγής — Σχεδιάστε ισχυρές λύσεις για δύσκολες πραγματικές συνθήκες: αραιό ή θορυβώδες GPS, μεταβαλλόμενη εμφάνιση, ασυνεπής ποιότητα ανακατασκευής, μεγάλες γεωγραφικές εκτάσεις και ατελείς χάρτες αναφοράς.

• Διαλειτουργική συνεργασία — Συνεργαστείτε με κορυφαίους ερευνητές στον οπτικό εντοπισμό, την τρισδιάστατη όραση υπολογιστή και τη χαρτογράφηση — καθώς και με ομάδες μηχανικών και προϊόντων — για τον εντοπισμό προβλημάτων υψηλού αντίκτυπου και τη μετατροπή των ερευνητικών ανακαλύψεων σε συστήματα παραγωγής από άκρο σε άκρο.

• Επικοινωνία έρευνας — Μοιραστείτε τα αποτελέσματα με σαφήνεια μέσω τεχνικής γραφής, κριτικών σχεδιασμού και εσωτερικών παρουσιάσεων. συμβάλλουν σε δημοσιεύσεις και ανοιχτή έρευνα όπου χρειάζεται.

Τι θα φέρεις

• Πτυχίο ή μεταπτυχιακό δίπλωμα στην Επιστήμη των Υπολογιστών, τη Ρομποτική, τη Μηχανική Μάθηση, τη Φωτογραμμετρία ή σε στενά συναφές πεδίο — ή αντίστοιχη ερευνητική ή βιομηχανική εμπειρία.

• Ισχυρή γείωση στην τρισδιάστατη όραση υπολογιστών, τη μηχανική μάθηση, τη ρομποτική, τη φωτογραμμετρία ή μια στενά συναφή περιοχή.

• Αποδεδειγμένη εμπειρία με τρισδιάστατη γεωμετρία και αρκετούς σχετικούς τομείς — ανακατασκευή πολλαπλών προβολών, SfM, SLAM, εκτίμηση πόζας κάμερας, καταχώρηση σημείου-σύννεφου, εντοπισμός βάσει εικόνας, γεωαναφορά ή σύντηξη αισθητήρων.

• Την ικανότητα να διατυπώνετε διφορούμενα προβλήματα του πραγματικού κόσμου, να επιλέγετε τα σωστά μαθηματικά ή βασισμένα στη μάθηση εργαλεία και να αξιολογείτε αυστηρά τις λύσεις.

• Ισχυρές δεξιότητες Python και εμπειρία με σύγχρονες ML και επιστημονικές-υπολογιστικές βιβλιοθήκες (PyTorch, NumPy, SciPy).

• Ισχυρές δεξιότητες μηχανικής λογισμικού — μπορείτε να μετατρέψετε τα ερευνητικά πρωτότυπα σε αξιόπιστα, επεκτάσιμα και συντηρήσιμα συστήματα.

• Ένα ιστορικό λήψης αλγορίθμου από ερευνητική ιδέα και πειραματικό πρωτότυπο μέσω αξιολόγησης, συγκριτικής αξιολόγησης και ανάπτυξης σε δεδομένα πραγματικού κόσμου.

• Σαφής γραπτή και προφορική επικοινωνία. σε θέση να συνεργάζεται αποτελεσματικά σε τομείς έρευνας και μηχανικής.

Ωραίο να έχεις

• Διδακτορικό στην όραση υπολογιστών, τη ρομποτική, τη μηχανική μάθηση, τη φωτογραμμετρία, τη γεωδαισία, την τηλεπισκόπηση ή σχετικό πεδίο — δεν απαιτείται, αλλά εκτιμάται.

• Ισχυρό αρχείο δημοσίευσης ή ενεργή συμμετοχή στην ερευνητική κοινότητα σε χώρους όπως CVPR, ICCV, ECCV, NeurIPS, ICLR, SIGGRAPH, 3DV, ICRA ή RSS.

• Εμπειρία με προσεγγίσεις βασισμένες στη μάθηση για οπτική ή τρισδιάστατη κατανόηση — μετασχηματιστές, μετασχηματιστές σημείου, μοντέλα θεμελίωσης ή μεθόδους που συνδυάζουν μαθημένες αναπαραστάσεις με σαφείς γεωμετρικές προτεραιότητες.

• Εμπειρία με εναέριες ή δορυφορικές εικόνες, GNSS/GPS, γεωδαισία, συστήματα χαρτογράφησης ή μεγάλης κλίμακας χωρικά δεδομένα.

• Αποδεικτικά στοιχεία τεχνικής ηγεσίας, καθοδήγησης ή επιτυχούς διαλειτουργικής παράδοσης.…

Πηγή: Arbeitnow (https://www.arbeitnow.co.uk/jobs/companies/niantic-spatial/3d-computer-vision-research-engineer-world-map-london-30634)