Senior Machine Learning Engineer - Learned Planning/Reinforcement Learning

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.

Das Team

Als Senior Machine Learning Engineer – Learned Planner / Reinforcement Learning werden Sie maschinelle Lernmodelle entwickeln und implementieren, die Entscheidungen für autonome Lkw steuern. Sie arbeiten eng mit Teams in den Bereichen Wahrnehmung, Vorhersage, Planung und Sicherheit zusammen, um erlernte Verhaltenssysteme zu erstellen, die sicheres, effizientes und menschenähnliches Fahren in realen Frachtumgebungen ermöglichen. Diese Rolle konzentriert sich auf die Verantwortung für die Modellentwicklung und -bereitstellung für festgelegte Problemstellungen, trägt zu Architekturentscheidungen bei und treibt Verbesserungen in der Modellleistung, Zuverlässigkeit und Iterationsgeschwindigkeit innerhalb des Autonomie-Stacks voran.

Was Sie tun werden

• Entwerfen, entwickeln und implementieren von erlernten Verhaltensmodellen unter Verwendung von Ansätzen wie Reinforcement Learning, Behavior Cloning und Imitation Learning.
• Verantwortung für die end-to-end Modellentwicklung für festgelegte Problemstellungen, von der Datenerfassung und dem Training bis zur Evaluierung und Bereitstellung.
• Schreiben von produktionsreifem ML-Code zur Unterstützung skalierbarer Trainings-, Evaluierungs- und Inferenz-Workflows.
• Analysieren der Modellleistung, Identifizieren von Fehlerquellen und Iterieren zur Verbesserung der Robustheit und Generalisierung über Fahr-Szenarien hinweg.
• Beitragen zu Trainingspipelines, Daten-Workflows und Infrastruktur, einschließlich der Arbeit mit groß angelegten Datensätzen aus Simulationen, Flottenprotokollen und Fahrzeugdaten.
• Zusammenarbeiten mit Simulations-, Validierungs- und Autonomieteams, um erlernte Verhaltensmodelle in verschiedenen Umgebungen zu testen und zu evaluieren.
• Unterstützen der Integration von erlernten Planungsmodellen in Simulations- und Validierungsframeworks, um schnellere Iterationen und verbesserte Abdeckung zu ermöglichen.
• Beitragen zu Diskussionen über Modellarchitekturen und technische Entscheidungsfindung innerhalb des Teams.
• Junior Engineers in der Implementierung, Experimentierung und Best Practices mentorieren.

Was Sie benötigen, um erfolgreich zu sein

• Abschluss in Informatik, Robotik, Elektrotechnik, Maschinellem Lernen oder einem verwandten technischen Bereich mit mehr als 6 Jahren Berufserfahrung, ODER Master-Abschluss mit mehr als 3 Jahren ODER Doktortitel mit mehr als 1 Jahr Erfahrung.
• Erfahrung in der Anwendung von Reinforcement Learning, Imitation Learning oder Sequenzmodellierung in der Robotik, autonomen Systemen oder komplexen Steuerungsproblemen.
• Starke Programmierkenntnisse in Python und PyTorch, mit Erfahrung im Schreiben von produktionsreifem ML-Code.
• Erfahrung im Training, der Evaluierung und Verbesserung von Modellen mit groß angelegten Datensätzen und verteilten Rechenumgebungen.
• Solides Verständnis von ML-Architekturen, die in Autonomiesystemen verwendet werden (z.B. Transformer, RNNs, Graph Neural Networks, Policy Networks).
• Erfahrung im Debuggen von Modellverhalten, Analysieren von Leistungskennzahlen und Verbessern der Modellzuverlässigkeit.
• Fähigkeit, mehrdeutige Probleme in strukturierte ML-Lösungen zu übersetzen und Ergebnisse unabhängig zu liefern.
• Erfahrung in der bereichsübergreifenden Zusammenarbeit zur Integration von ML-Modellen in größere Autonomiesysteme.

Bonuspunkte

• Erfahrung im autonomen Fahren, in der Robotik oder in simulationsbasierten Trainingsumgebungen.
• Erfahrung mit Reinforcement Learning-Frameworks oder verteilten Trainingssystemen (z.B. Ray).
• Erfahrung in der Arbeit mit Simulationsumgebungen, Szenarienerzeugung oder groß angelegten Verhaltensdatensätzen.
• Vertrautheit mit Fahrzeugdynamik, Bewegungsplanung oder Multi-Agenten-Entscheidungssystemen.
• Erfahrung in der Bereitstellung von ML-Modellen in der Produktion oder in realen Robotersystemen.
• Erfahrung mit erlernten Planungssystemen oder Policy Learning in realen oder Simulationsumgebungen.
• Erfahrung in der Integration von erlernten Verhaltensmodellen in Validierungs- und V&V-Workflows.
• Hintergrund in Multi-Agenten-Modellierung, Fahrer-Verhaltensmodellierung oder langfristigen Entscheidungsfindungssystemen.

Arbeitsort

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

Vorteile einer Vollzeitstelle bei Torc

Torc kümmert sich um unsere Teammitglieder und wir bemühen uns, Vorteile und Ressourcen bereitzustellen, um ihre Gesundheit, Work-Life-Balance und Zukunft zu unterstützen. Unsere Kultur ist kollaborativ, energiegeladen und teamorientiert. Torc bietet:

• Ein wettbewerbsfähiges Vergütungspaket, das eine Bonuskomponente und Aktienoptionen umfasst.
• 100% bezahlte medizinische, zahnärztliche und visuelle Prämien für Vollzeitmitarbeiter.
• 401K-Plan mit einer Arbeitgeberbeteiligung von 6%.
• Flexibilität im Zeitplan und großzügigen bezahlten 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 Kosten der Arbeit 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. Abhängig von der angebotenen Position können Anmeldezahlungen, Umzüge und andere Formen der Vergütung als Teil eines Gesamtvergütungspakets bereitgestellt werden, zusätzlich zu einer vollständigen Palette von medizinischen, finanziellen und/oder anderen Vorteilen.