Senior, Machine Learning Engineer - End-to-End

Über das Unternehmen

Bei Torc glauben wir, dass die Technologie autonomer Fahrzeuge die Art und Weise, wie wir reisen, Fracht bewegen und Geschäfte abwickeln, transformieren wird. Als führendes Unternehmen im Bereich autonomes Fahren seit 2007 hat Torc über ein Jahrzehnt damit verbracht, unsere Lösungen mit erfahrenen Partnern zu kommerzialisieren. Jetzt, als Teil der Daimler-Familie, konzentrieren wir uns ausschließlich auf die Entwicklung von Software für automatisierte Lkw, um die Art und Weise, wie die Welt Fracht bewegt, zu verändern.

Über das Team

Als Senior Machine Learning Engineer – End-to-End (E2E) werden Sie lernbasierte Systeme entwickeln und skalieren, die multimodale Wahrnehmungseingaben mit Fahrverhalten verbinden und so eine sichere, effiziente und menschenähnliche Autonomie für reale Frachtoperationen ermöglichen. Sie arbeiten an der Schnittstelle von Wahrnehmung, Vorhersage und Planung und tragen zu einheitlichen Lernpipelines bei, die in geschlossenen Umgebungen arbeiten. Diese Rolle konzentriert sich darauf, bedeutende Teile des E2E-Stacks zu besitzen, die Modellleistung im großen Maßstab zu verbessern und Iterationen durch Daten, Experimente und funktionsübergreifende Zusammenarbeit voranzutreiben. Dies ist eine praktische Ingenieursrolle, die sich auf Ausführung, Iteration und Lieferung konzentriert.

Was Sie tun werden

• Entwicklung und Lieferung von End-to-End-ML-Modellen, die multimodale Sensoreingaben (Kamera, LiDAR, Radar, Karten) in fahrrelevante Ausgaben (Trajektorien, Kostenfunktionen oder Zwischenrepräsentationen) umwandeln.
• Training und Evaluierung von Modellen mit großangelegten Datensätzen aus Flottenprotokollen, Simulationen und synthetischen Daten.
• Analyse der Modellleistung, Identifizierung von Fehlerquellen und Förderung datengestützter Verbesserungen in Robustheit und Generalisierung.
• Entwurf und Verfeinerung von Trainingspipelines, Datenworkflows und Evaluierungsstrategien zur Verbesserung der Iterationsgeschwindigkeit und Modellqualität.
• Beitrag zu Entscheidungen über die Modellarchitektur, einschließlich Ansätzen wie Imitationslernen, Verstärkungslernen, Transformatoren und vision-language-action (VLA) Modellen.
• Enge Zusammenarbeit mit den Teams für Wahrnehmung, Vorhersage, Planung und Simulation, um die Abstimmung über den Autonomiestack sicherzustellen.
• Unterstützung der Integration von E2E-Modellen in Simulations- und Fahrzeug-Systeme zur Validierung in geschlossenen Schleifen.
• Verbesserung von Werkzeugen, Experimentierabläufen und Reproduzierbarkeit im Team.
• Mentoring von Junior-Ingenieuren und Beitrag zu teaminternen Best Practices und technischen Diskussionen.

Was Sie benötigen, um erfolgreich zu sein

• Abschluss (Bachelor) mit 6+ Jahren, Master mit 4+ Jahren oder PhD mit 0–2 Jahren Erfahrung in Machine Learning, Robotik, Informatik oder einem verwandten Bereich mit nachweislicher Publikationshistorie in erstklassigen Konferenzen (z.B. NeurIPS, ICML, ICLR, CVPR, ICCV, CoRL).
• Erfahrung in der Entwicklung und Bereitstellung von ML-Modellen für autonome Systeme, Robotik oder komplexe Entscheidungsumgebungen.
• Starke Programmierkenntnisse in Python und PyTorch, mit der Fähigkeit, produktionsreife ML-Codes zu schreiben.
• Erfahrung im Training und in der Evaluierung von Modellen mit großangelegten Datensätzen und verteilten Rechenumgebungen.
• Solides Verständnis von ML-Architekturen, die in E2E-Systemen verwendet werden, wie z.B. Transformatoren, BEV-Modelle, VLA/VLM-Ansätze oder Diffusionsmodelle.
• Nachgewiesene Fähigkeit, das Verhalten von Modellen zu debuggen, Leistungskennzahlen zu analysieren und iterative Verbesserungen voranzutreiben.
• Erfahrung in der Mitgestaltung oder Beeinflussung von Modellarchitekturen und Trainingsstrategien.
• Fähigkeit zur funktionsübergreifenden Zusammenarbeit und Integration von ML-Systemen in größere Autonomie-Pipelines.

Bonuspunkte

• Erfahrung in der Entwicklung von End-to-End- oder Mid-to-End-Modellen für autonomes Fahren oder Robotik.
• Erfahrung mit vision-language-Modellen (VLMs) oder vision-language-action (VLA) Systemen.
• Vertrautheit mit geschlossenen Simulations- und Evaluierungsrahmen.
• Erfahrung mit Verstärkungslernen oder Imitationslernen in realen Systemen.
• Erfahrung mit verteilten Trainingsframeworks (z.B. Ray).
• Verständnis von Fahrzeugdynamik, Bewegungsplanung oder Multi-Agenten-Systemen.

Arbeitsort

Für diese Position sind wir offen für Einstellungen in Ann Arbor, MI (USA) in hybrider Kapazität. Wir sind auch offen für Remote-Arbeit in den Vereinigten Staaten.

Vorteile einer Vollzeitbeschäftigung bei Torc

• Ein wettbewerbsfähiges Vergütungspaket, das einen Bonusanteil und Aktienoptionen umfasst.
• 100% bezahlte medizinische, zahnärztliche und augenärztliche Prämien für Vollzeitmitarbeiter.
• 401K-Plan mit 6% Arbeitgeberbeitrag.
• Flexibilität im Zeitplan und großzügiger bezahlter Urlaub (sofort nach dem Startdatum verfügbar).
• Unternehmensweite Feiertagsbüroschließungen.
• AD+D und Lebensversicherung.

Bei Torc setzen wir uns dafür ein, einen vielfältigen und integrativen Arbeitsplatz zu schaffen. Wir feiern die Einzigartigkeit unserer Torc’rs und diskriminieren nicht aufgrund von Rasse, Religion, Farbe, nationaler Herkunft, Geschlecht (einschließlich Schwangerschaft, Geburt oder verwandte medizinische Bedingungen), sexueller Orientierung, Geschlechtsidentität, Geschlechtsausdruck, Alter, Veteranenstatus oder Behinderungen. Selbst wenn Sie nicht 100% der aufgeführten Qualifikationen für diese Gelegenheit erfüllen, ermutigen wir Sie, sich zu bewerben.

Unsere Vergütung spiegelt die Arbeitskosten in mehreren geografischen Märkten wider. Die Bezahlung basiert auf einer Reihe von Faktoren und kann je nach berufsbezogenem Wissen, Fähigkeiten und Erfahrungen variieren. Das gesamte Vergütungspaket von Torc umfasst auch unseren Unternehmensbonus und unser Aktienoptionsprogramm. Je nach angebotener Position können auch Unterzeichnungszahlungen, Umzüge und andere Formen der Vergütung als Teil eines Gesamtvergütungspakets bereitgestellt werden, zusätzlich zu einer vollständigen Palette von medizinischen, finanziellen und/oder anderen Leistungen.