Senior Software Engineer - Mission Autonomy (All Genders)

Über uns

STARK ist ein neues Unternehmen für Verteidigungstechnologie, das die Art und Weise revolutioniert, wie autonome Systeme in mehreren Bereichen eingesetzt werden. Wir entwerfen, entwickeln und produzieren leistungsstarke unbemannte Systeme, die softwaredefiniert, massenhaft skalierbar und kosteneffektiv sind. Dies verschafft unseren Betreibern einen entscheidenden Vorteil in stark umkämpften Umgebungen. Wir konzentrieren uns darauf, einsatzbereite, leistungsstarke Systeme zu liefern - keine zukünftigen Versprechen. In einer Zeit steigender Bedrohungen stärkt STARK den technologischen Vorsprung der NATO-Verbündeten und ihrer Partner, um Aggressionen abzuschrecken und Europa - heute - zu verteidigen.

Ihre Mission

Dies ist keine Forschungsrolle. Wir suchen einen Senior Autonomy Engineer, der die Intelligenz hinter echtem UAV-Schwarmverhalten aufbaut - die Algorithmen, die entscheiden, welches Fahrzeug welches Ziel angreift, wie sich der Schwarm reorganisiert, wenn sich die Bedingungen während der Mission ändern, und wie 4+ schwebende Munitionen autonom koordinieren, um die Verteidigung des Gegners zu überwältigen. Sie werden die Entscheidungsfindungsschicht des Schwarms im Herzen von Minerva Frontline, unserer Mission Management Software, entwerfen und implementieren. Das bedeutet, dass Sie die Optimierungs- und Planungsalgorithmen erstellen, die über unserem bestehenden Missionsplanungs-Engine sitzen, um eine Reihe von Betreiberzielen und Kampfbedingungen in koordinierte, mehrfache Fahrzeugangriffe umzuwandeln - und diese dynamisch neu zu planen, wenn sich das Schlachtfeld verschiebt. Dies ist Arbeit auf Genesis-Stufe. Es gibt keine fertige Bibliothek für das, was wir bauen.

Verantwortlichkeiten

• Das Schwarmhirn: Sie entwerfen und implementieren die Aufgabenverteilung, die mehrere Fahrzeuge optimal mehreren Zielen zuweist - unter Berücksichtigung von Bedrohungspriorität, Annäherungsgeometrie, Zeitbeschränkungen und Fahrzeugfähigkeiten.
• Dynamische Neuplanung: Sie bauen die Fähigkeit des Systems auf, sich während der Mission anzupassen. Wenn ISR zeigt, dass sich ein Ziel bewegt hat, wenn ein Fahrzeug verloren geht oder wenn neue Ziele erscheinen, bewerten Ihre Algorithmen die Situation neu und generieren aktualisierte Pläne - die an Fahrzeuge in der Luft übermittelt werden.
• Die Optimierungsschicht: Sie bauen eine neue Planungsschicht, die über unserem bestehenden statischen Missionsplansystem sitzt. Ihre Schicht zerlegt die Ziele auf Schwarmebene in individuelle Fahrzeugzuweisungen und delegiert die Pfadgenerierung an die bestehende Engine.
• Simulation-First-Entwicklung: Sie iterieren schnell in unserer SITL (Software-in-the-Loop) Simulationsumgebung und testen Schwarmverhalten mit 4+ virtuellen Fahrzeugen, bevor etwas fliegt. Sie definieren die Metriken, die uns sagen, ob der Schwarm gute Entscheidungen trifft.

Qualifikationen

• Ein Autonomie-Builder: Sie haben mehr als 5 Jahre Erfahrung in der Entwicklung autonomer Entscheidungssysteme - sei es in der Robotik, Luft- und Raumfahrt, Verteidigung, Automobilindustrie oder Multi-Agenten-KI.
• Mathematisch versiert: Sie sind mit kombinatorischer Optimierung, Graphentheorie, Constraint Satisfaction und Multi-Agenten-Koordination vertraut.
• Ein starker C++-Ingenieur (nicht verhandelbar): Sie schreiben produktionsreifes modernes C++. Python ist in Ordnung für Prototyping und Simulationsscripting, aber die Produktionsplanungsengine ist C++ und Sie müssen sich mit diesem Code vertraut machen.
• Systemorientiert: Sie schreiben nicht nur Algorithmen isoliert. Sie verstehen, wie Ihre Planungsschicht mit dem Rest des Systems integriert ist.
• Hohe Eigenverantwortung: Sie warten nicht auf perfekte Spezifikationen. Sie arbeiten mit Fachexperten zusammen, um das operationale Bedürfnis zu verstehen, das Problem mathematisch zu definieren und zu bauen und zu iterieren.
• Feldbereit: Sie sind bereit, Live-Flugvorführungen und Feldversuche zu unterstützen, und arbeiten eng mit Integrations- und Hardwareteams zusammen, um zu beweisen, dass Ihre Algorithmen unter realen Bedingungen funktionieren.