RL Μηχανικός | Ανθρωποειδής

Ρόλος: Reinforcement Learning Engineer – Manipulation
Εταιρεία: Ανθρωποειδές
Τοποθεσία: Λονδίνο, Ηνωμένο Βασίλειο (King’s Cross) – επί τόπου, πέντε ημέρες την εβδομάδα
Είδος Εργασίας: Πλήρης απασχόληση
Σχετικά με το Humanoid
Η Humanoid κατασκευάζει τα πιο ικανά, εμπορικά επεκτάσιμα και ασφαλή ανθρωποειδή ρομπότ στον κόσμο. Η πλατφόρμα του, HMND-01, έχει ήδη αναπτυχθεί σε πραγματικά βιομηχανικά περιβάλλοντα, γεγονός που καθιστά την Humanoid την πιο σοβαρή εταιρεία ανθρωποειδών ρομποτικής στην Ευρώπη.

• 300+ άτομα, 34+ εθνικότητες, επίπεδη δομή: οι αποφάσεις σας αποστέλλονται απευθείας σε πραγματικά ρομπότ.

• Γραφεία στο Λονδίνο (HQ, King’s Cross), Βοστώνη, Βανκούβερ και Σαν Ντιέγκο.

• Αξίες: Ταχύτητα, Φιλοδοξία, Πάθος, Εμπιστοσύνη.

Σχετικά με τον ρόλο
Η ομάδα VLA Core δημιουργεί το βασικό μοντέλο όρασης-γλώσσας-δράσης στο οποίο λειτουργεί ολόκληρη η εταιρεία, καλύπτοντας την προεκπαίδευση, τα παγκόσμια μοντέλα και το RL. Σε αυτόν τον ρόλο χρησιμοποιείτε ενισχυτική μάθηση, σε προσομοίωση και σε πραγματικό υλικό, για να μετατρέψετε αυτό το μοντέλο σε υψηλής απόδοσης, ισχυρές πολιτικές χειραγώγησης.
Αυτός είναι ένας ρόλος ανώτερου μεμονωμένου συνεισφέροντος χωρίς διαδρομή διαχείρισης. Δεν απαιτείται εμπειρία στη ρομποτική: πολύ λίγοι άνθρωποι έχουν κάνει RL σε πραγματικά ρομπότ, επομένως το ισχυρό RL σε οποιονδήποτε τομέα είναι αυτό που έχει σημασία. Η ομάδα βρίσκεται δίπλα στην έρευνα, αλλά το αποτέλεσμα είναι πολιτικές που λειτουργούν στο ρομπότ. Τα αποτελέσματα κοινοποιούνται ως αναρτήσεις ιστολογίου, όχι ως έγγραφα.
Τι αναμένεται να κάνετε

• Εκπαιδεύστε πολιτικές χειραγώγησης που εξαρτώνται από τη γλώσσα και το όραμα με το RL, στην προσομοίωση και στον πραγματικό κόσμο.

• Δημιουργήστε προκλητικές και ποικίλες σειρές εργασιών χειρισμού στην προσομοίωση.

• Εργαστείτε με την Teleoperations για τη συλλογή τροχιών σε προσομοίωση για κλωνοποίηση συμπεριφοράς.

• Εργαστείτε με το Testing and Operations για τη δημιουργία αγωγών εκπαίδευσης RL σε πραγματικό κόσμο.

• Βρείτε τρόπους για να φέρετε πολιτικές που έχουν εκπαιδευτεί στην προσομοίωση στον πραγματικό κόσμο (sim-to-real).

Τι χρειάζεσαι για να πετύχεις

• 3+ χρόνια δημιουργία συστημάτων βαθιάς μάθησης στη βιομηχανία ή την έρευνα, με μοντέλα που αποστέλλονται ή δημοσιευμένες εργασίες για την επίδειξη.

• Έχετε λύσει πραγματικά προβλήματα με RL και βαθιά νευρωνικά δίκτυα, σε οποιοδήποτε τομέα.

• Έχετε εκπαιδεύσει μόνοι σας μοντέλα (αρχιτεκτονική, εκπαίδευση και συμπεράσματα) σε τουλάχιστον ένα από τα: LLM, VLM, μοντέλα δημιουργίας εικόνας ή βίντεο. Η δημιουργία αντιπροσώπων ή η εργασία ολοκλήρωσης LLM από μόνη της δεν αρκεί.

• Δυνατό Python και PyTorch ή JAX. Μπορείτε να κάνετε προφίλ, να διορθώσετε αριθμούς και να γράψετε συντηρήσιμο κώδικα έρευνας.

• Ισχυρές αρχές κωδικοποίησης. Η διαδικασία περιλαμβάνει έναν κύκλο κωδικοποίησης τύπου LeetCode, οπότε ελάτε προετοιμασμένοι.

• Είστε προληπτικοί: μπορείτε να αντιμετωπίσετε ένα ανοιχτό, ακατάστατο πρόβλημα και να το οδηγήσετε χωρίς να περιμένετε μια προδιαγραφή. Τεκμηριώνετε τα πειράματα με σαφήνεια και εξηγείτε ξεκάθαρα τις ανταλλαγές.

• Αγγλικά εργασίας.

Ωραίο να έχουμε

• Εμπειρία με προσομοιωτές ρομποτικής (Isaac Sim, MuJoCo κ.λπ.).

• Εμπειρία στην εφαρμογή του RL στη ρομποτική.

• Απολαύστε την εμπειρία κατασκευής υποδομής για μεγάλης κλίμακας RL (π.χ. Ray).

• Δημοσιεύσεις σε ICLR, ICML, NeurIPS ή αντίστοιχες συνεισφορές ανοιχτού κώδικα.

• Εξοικείωση με μοντέλα OpenVLA, Φυσικής Νοημοσύνης (π) ή παρόμοια ανοιχτά πλαίσια VLA.

Διαδικασία συνέντευξης

• Εισαγωγική κλήση με τον Igor, ερευνητή τεχνητής νοημοσύνης του μισθωτού.

• Οθόνη HR με Humanoid.

• Γύρος κωδικοποίησης (στυλ LeetCode).

• Συνέντευξη εξειδίκευσης RL.

• Συνέντευξη τεχνικής εκτέλεσης: πώς εργάζεστε, συνεργάζεστε και αντιμετωπίζετε προβλήματα.

• Προαιρετική συνομιλία με έναν ηγέτη τεχνολογίας.

Αυτό που παίρνεις

• Μισθός: ένα ευρύ φάσμα, που ορίζεται από το επίπεδο που δείχνετε στις συνεντεύξεις.

• Μετοχικό κεφάλαιο: δικαιώματα προαίρεσης μετοχών με σημαντική ανοδική πορεία ως Humanoid κλίμακες.

• 30+ ημέρες άδειας μετ' αποδοχών: 23 ημέρες ετήσια άδεια, όλες οι τραπεζικές αργίες στο Ηνωμένο Βασίλειο και διακοπή λειτουργίας της εταιρείας μεταξύ Χριστουγέννων και Πρωτοχρονιάς.

• Ιδιωτική υγειονομική περίθαλψη: πλήρως χρηματοδοτούμενη, συμπεριλαμβανομένης της εικονικής και της προσωπικής φροντίδας.

• Σύνταξη: 8% συνολική εισφορά (5% μισθωτός, 3% εργοδότης) επί του συνόλου των αποδοχών.

• Καθημερινό φαγητό: δωρεάν πρωινό, μεσημεριανό γεύμα και σνακ στο γραφείο.

• Πραγματική ιδιοκτησία: άμεση πρόσβαση στην ιδρυτική ηγεσία, πραγματική συμβολή στην κατεύθυνση του προϊόντος και περιθώριο για την προώθηση βασικών πρωτοβουλιών από την πρώτη μέρα.

• Χορηγία βίζας και μετεγκατάσταση στο Λονδίνο.

Βρείτε περισσότερες αγγλόφωνες θέσεις εργασίας στο Ηνωμένο Βασίλειο στο Arbeitnow

Πηγή: Arbeitnow (https://www.arbeitnow.co.uk/jobs/companies/hirehire/rl-engineer-humanoid-london-431485)