Sr./Principal Engineer- Autonomous Vehicle Simulation Domain Expert

Was ist die Rolle? HERE Technologies befindet sich an einem einzigartigen Schnittpunkt: Wir besitzen einige der detailliertesten Karten- und Fahrdaten der Welt und entwickeln generative KI-Fähigkeiten, um diese räumliche Intelligenz in kontrollierbare, qualitativ hochwertige synthetische Fahrwelten umzuwandeln. Wir suchen ein hybrides Profil – jemanden, der tiefes Wissen in Weltgrundlagenmodellen, generativem Video und Transformatoren mit praktischer Erfahrung in der AV (Autonomous Vehicle) Simulation kombiniert. Dies ist keine reine Simulationsrolle und auch keine reine ML-Forschungsrolle. Es ist die Brücke zwischen beiden – und diese Brücke ist das, was HERE differenziert. Sie verstehen sowohl, wie man große generative Modelle trainiert und anpasst (denken Sie an Cosmos, Cosmos-Transfer, diffusionsbasierte Videomodelle, latente Weltmodelle) als auch, wie man sie in Kartendaten und Szenario-Semantiken verankert, sodass die Ausgabe tatsächlich nützlich ist für das Training und die Validierung von Wahrnehmungs- und Planungsstacks.

Was werden Sie tun:

• Weltgrundlagenmodelle & Generative Szenariosynthese: Technische Richtung für kartengebundene Weltgrundlagenmodelle vorgeben, generative Video-/Weltmodelle auf Kartendaten, Fahrdaten, Szenario-Semantiken, Trajektorien, Agentenverhalten, Wetter und Beleuchtung konditionieren. Generative Modelle (Diffusion, latentes Video, transformerbasierte) für die Generierung von Fahrtszenarien trainieren, feinabstimmen und anpassen mit vollständiger Verantwortung über den ML-Lebenszyklus: Datenkuratierung, Training, Bewertung und Produktionspipelines. Evaluieren und erweitern Sie moderne Modelle wie NVIDIA Cosmos / Cosmos-Transfer und vergleichbare Open-Source-Alternativen zur Generierung von AV-Trainingsdaten.
• Strategische Führung: POC-Initiativen für kartengebundene synthetische Szenarien mit wichtigen Technologiepartnern leiten; messbare Erfolgskriterien über visuelle Realität hinaus definieren – mit Fokus auf ML-Trainingseignung, Kontrollierbarkeit und Sim-to-Real-Transfer. Empfehlungen zu GO / PIVOT / NO-GO abgeben, die durch quantitative Beweise untermauert sind.
• Simulation & Sim-to-Real: Generative Weltmodelle mit klassischen Simulationsstacks (CARLA, NVIDIA Drive Sim, AlpaSim) für physikbasierte Szenarien verbinden. OpenSCENARIO / OpenDRIVE-Definitionen für sowohl klassische als auch generative Pipelines erstellen und programmatisch generieren. Sim-to-Real-Strategie vorantreiben: Domänengap messen, Fehlerquellen identifizieren und akzeptable Schwellenwerte für das nachgelagerte Modelltraining definieren.
• Qualitätsrahmen für synthetische Trainingsdaten: „Gut genug“ synthetische Daten für die AV-Wahrnehmung und -Planung definieren: wann Fotorealismus erforderlich ist, wann Konsistenz der Labels ausreicht und wann Kontrollierbarkeit am wichtigsten ist. Validierungsrahmen festlegen, die objektive Metriken (Verteilungsabdeckung, Labelgenauigkeit, FID-Stil-Maßnahmen, Leistung nachgelagerter Aufgaben) mit Expertenbewertungsprotokollen kombinieren. Anforderungen an die Sensorgenauigkeit spezifizieren: Rauschmodelle, Objektivverzerrung und Lidar-Rückgabeeigenschaften.
• Technische Zusammenarbeit: Mit ML-Forschung, Wahrnehmungs- und Planungsteams interagieren, um sicherzustellen, dass synthetische Daten die Leistung realer Modelle messbar verbessern. Geschäftliche Anforderungen in technische Machbarkeitsbewertungen für Produkt- und Führungskräfte übersetzen.

Wer sind Sie? Diese Rolle befindet sich an der Schnittstelle von Deep Learning und AV-Simulation – und wir benötigen jemanden, der in beiden Bereichen gleichermaßen fundiert ist. Sie haben ML-Modelle von der Forschung in die Produktion überführt und dabei reale Einschränkungen, Qualitätsstandards und Sicherheitsanforderungen berücksichtigt. Sie haben Erfahrung in:

• Deep Learning & Generative Modelle: Nachweisliche End-to-End-Modelltrainingserfahrung mit klarer Verantwortung über Daten, Training, Bewertung und Iteration. Expertise in generativem Video, Weltmodellen oder verwandter generativer KI – insbesondere Diffusionsmodellen, latenten Videomodellen und/oder transformerbasierten Weltmodellen. Erfahrung mit hochdimensionalen spatio-temporalen Daten (Video, Multi-Sensor-Fusion, Fahrdaten). Starke Python- und PyTorch-Grundlagen; nachweisliche Erfolge bei der Überführung von ML-Modellen von der Forschung in die Produktion unter realen Einschränkungen.
• AV-Simulation & Szenariodomain: 5+ Jahre Erfahrung in AV-Simulation, AV-Wahrnehmung/ML oder Robotersimulation – mit bedeutender Exposition gegenüber sowohl Simulationsplattformen als auch der Entwicklung von ML-Modellen. Praktische Erfahrung mit mindestens einer großen Simulationsplattform: CARLA, NVIDIA Drive Sim oder gleichwertig. Vertrautheit mit OpenDRIVE und OpenSCENARIO: in der Lage, Szenariodefinitionen programmatisch zu erstellen und zu generieren. Verständnis der AV-Testabläufe, ASAM OpenX-Standards, ISO 34502 und welche Szenarien die Wahrnehmungs- und Planungssysteme auf die Probe stellen.
• Synthetische Datenqualität & Sim-to-Real: Fähigkeit zur Bewertung synthetischer Daten hinsichtlich Verteilungsvielfalt, Konsistenz der Labels, Abdeckung von Randfällen und Leistung nachgelagerter Aufgaben. Erfahrung mit Sim-to-Real-Transfer, Domänenanpassung oder der messbaren Schließung der Domänenschere. Klare Sichtweise auf die Abwägungen zwischen Fotorealismus, Labelgenauigkeit, Kontrollierbarkeit und rechnerischer Effizienz.

Diese Rolle kann in Berlin/Frankfurt/München/Amsterdam angesiedelt sein. HERE ist ein Arbeitgeber, der Chancengleichheit bietet. Wir bewerten qualifizierte Bewerber unabhängig von Rasse, Hautfarbe, Alter, Geschlechtsidentität, sexueller Orientierung, Familienstand, Elternstatus, Religion, Geschlecht, nationaler Herkunft, Behinderung, Veteranenstatus und anderen gesetzlich geschützten Merkmalen. Im Rahmen des Einstellungsprozesses von HERE Technologies müssen die Kandidaten erfolgreich einen Vorbeschäftigungsprüfungsprozess durchlaufen. Dieses Angebot und alle damit verbundenen Ansprüche unterliegen dem erfolgreichen Abschluss einer Vorbeschäftigungsprüfung. Dies umfasst gegebenenfalls die Überprüfung von Beschäftigung, Ausbildung und strafrechtlichen Vergehen.

Wer sind wir? HERE Technologies ist ein Standortdaten- und Technologieplattformunternehmen. Wir befähigen unsere Kunden, bessere Ergebnisse zu erzielen – von der Unterstützung einer Stadt bei der Verwaltung ihrer Infrastruktur oder einem Unternehmen bei der Optimierung seiner Vermögenswerte bis hin zur sicheren Navigation von Fahrern zu ihrem Ziel. Bei HERE nehmen wir es uns zur Aufgabe, die Veränderung zu sein, die wir sehen möchten. Wir schaffen Lösungen, die Innovationen fördern, Chancen bieten und Inklusion unterstützen, um das Leben der Menschen zu verbessern. Wenn Sie von einer offenen Welt inspiriert sind und motiviert sind, positive Veränderungen zu schaffen, schließen Sie sich uns an. Erfahren Sie mehr über uns auf unserem YouTube-Kanal.