უფროსი მანქანური სწავლების ინჟინერი (AI კვლევა, ფიზიკური AI)

ნებიუსის შესახებ:

ნებიუსი ახალი ეპოქას უძღვება გლობალური AI ეკონომიკისათვის განკუთვნილი ღრუბლოვანი ინფრასტრუქტურის სფეროში. ჩვენ ვქმნით სრულფასოვან AI ღრუბლოვან პლატფორმას, რომელიც მხარს უჭერს დეველოპერებსა და საწარმოებს მონაცემთა და მოდელის მომზადებიდან წარმოების განლაგებამდე, დიდი შიდა AI/ML ინფრასტრუქტურის აშენების მაღალი ხარჯებისა და სირთულის გარეშე.

აშენებულია ინჟინრების მიერ, ინჟინრებისათვის. დიდი მასშტაბის GPU ორკესტრაციიდან ინფერენციის ოპტიმიზაციამდე, ჩვენ ვფლობთ რთულ პრობლემებს გამოთვლითი, შენახვის, ქსელის და გამოყენებული AI სფეროებში.

ნასდაკზე ჩამოთვლილი (NBIS) და ამსტერდამში დაფუძნებული, ჩვენ გვაქვს გლობალური კვალი ევროპაში, დიდ ბრიტანეთში, ჩრდილოეთ ამერიკასა და ისრაელში R&D ჰაბებით. ჩვენი გუნდი 1,500+ ადამიანისაგან შედგება, რომელშიც ასობით ინჟინერი ღრმა ექსპერტიზით აპარატურის, პროგრამული უზრუნველყოფისა და AI კვლევისა და განვითარების სფეროებში.

როლი ეს როლი ნებიუსის AI კვლევისა და განვითარებისათვისაა განკუთვნილი, გუნდი ფოკუსირებულია გამოყენებით კვლევაზე AI სფეროში. ჩვენი ფიზიკური AI კვლევა მიზნად ისახავს ინტელექტუალური აგენტების შექმნას, რომელთაც შეუძლიათ აღიქვან, მსჯელობენ და მოქმედებენ ფიზიკურ სამყაროში. კვლევის სფეროები მოიცავს:

- ზოგადი დანიშნულების რობოტული კონტროლისთვის განკუთვნილი ხედვა-ენა-მოქმედების მოდელები

- გამაგრება და იმიტაცია სწავლა ადამიანების დემონსტრაციებიდან, სიმულაციიდან და რეალური სამყაროს გამოცდილებიდან

- მულტიმოდალური ჩართული მონაცემების მასშტაბური შეგროვება, გენერაცია და კურაცია

- სიმულაცია, მსოფლიო მოდელები და სიმ-რეალურ გადაცემა

- მულტიმოდალური სენსინგი, ხედვის, შეხების, ძალის და პროპრიოცეფციის ჩათვლით

თქვენ შეცვლით დიდი ფუნდამენტური მოდელები და სწავლების ალგორითმები რობოტული აგენტებისთვის, პროტოტიპირებთ ახალ შესაძლებლობებს სიმულაციაში და დაადასტურებთ პერსპექტიულ მიდგომებს რეალურ სისტემებზე. შედეგები ხშირად მიგვიყვანს მიმდებარე კვლევებთან, ინფრასტრუქტურასთან და საინჟინრო გუნდებთან თანამშრომლობით, სადაც აღმოჩენები მასშტაბირებულია და გამოიყენება პრაქტიკაში. ამჟამად ჩვენ ვეძებთ უფროსი და პერსონალის დონის ML ინჟინრებს კვლევაზე მუშაობისათვის ისეთ სფეროებში, როგორიცაა:

- ხედვა-ენა-მოქმედების მოდელები და მულტიმოდალური ფუნდამენტური მოდელები რობოტიკისათვის

- გამაგრება სწავლა, იმიტაცია სწავლა და სწავლა დემონსტრაციებიდან

- ადამიანის, რობოტისა და სიმულირებული ურთიერთქმედების მონაცემების მასშტაბური შეძენა და გენერაცია

- მსოფლიო მოდელები, დაგეგმვა და მოდელის საფუძველზე კონტროლი

- სიმ-რეალურ გადაცემა, დომენის ადაპტაცია და მტკიცე პოლიტიკის შეფასება

- მრავალფუნქციური მანიპულაცია, მთელი სხეულის კონტროლი და ზოგადი დანიშნულების რობოტული აგენტები

ზოგიერთი მაგალითი იმისა, თუ რა პასუხისმგებლობები შეიძლება შეიცავდეს:

- დიდი მოდელების და სწავლების ალგორითმების დიზაინი, განხორციელება, ტრენინგი და შეფასება რობოტული აგენტებისთვის

- ხედვა-ენა-მოქმედების არქიტექტურების შემუშავება, რომლებიც აკავშირებს მულტიმოდალურ აღქმას და ენის გაგებას ფიზიკური კონტროლით

- გამაგრება სწავლებისა და იმიტაციის სწავლების მეთოდების გამოძიება იშვიათი, დაგვიანებული ან ძნელად დასადასტურებელი მიზნებისთვის

- მასშტაბური მეთოდების აგება დემონსტრაციების, ტელეოპერაციის მონაცემების, ვიდეოს, სიმულაციის ტრაექტორიებისა და ავტონომიური რობოტების გამოცდილების ფუნდამენტურ მოდელებში ინტეგრირებისთვის

- კაპტური მეთოდოლოგიების, მონაცემთა ნაკრებების, შეფასების პროტოკოლებისა და მონაცემთა ხარისხის მილსადენების დიზაინი განსახიერებული სწავლისთვის

- სიმულაციის გარემოს განვითარება და სიმულაციიდან რეალობაში ექსპერიმენტების ჩატარება ფიზიკური რობოტული პლატფორმების გამოყენებით

- მოქმედებების ტრაექტორიებზე დაგეგმვის, მართვადი გენერაციისა და ძიების შესწავლა

- ახალი შესაძლებლობების პროტოტიპირება ისეთ სფეროებში, როგორიცაა მოქნილი მანიპულაცია, მობილური მანიპულაცია და მთელი სხეულის კონტროლი

- მ堅კი კვლევითი პროგრამული უზრუნველყოფისა და განაწილებული სასწავლო ინფრასტრუქტურის შექმნა, რომელიც სწრაფ ექსპერიმენტირებას იძლევა

- კვლევითი და საინჟინრო გუნდებთან თანამშრომლობა პერსპექტიული იდეების სანდო რეალურ სამყაროში სისტემებში თარგმნისთვის

- შედეგების კომუნიკაცია ტექნიკური ანგარიშების, ღია კოდის გამოშვებების, დემონსტრაციებისა და კვლევითი პუბლიკაციების საშუალებით

ჩვენ ველით, რომ თქვენ გექნებათ:

- მანქანური სწავლების, განმტკიცების სწავლების ან რობოტების სწავლების თეორიული საფუძვლების ღრმა გაგება

- ღრმა ექსპერტიზა მინიმუმ ერთ შესაბამის სფეროში, როგორიცაა განმტკიცების სწავლება, იმიტაციის სწავლება, მულტიმოდალური გენერირების მოდელირება, კომპიუტერული ხედვა, რობოტიკა, დაგეგმვა ან კონტროლი

- თანამედროვე ღრმა სწავლების მოდელების ტრენინგისა და შეფასების გამოცდილება, ტრანსფორმატორზე დაფუძნებული ან მულტიმოდალური ფუნდამენტური მოდელების ჩათვლით

- დიდი მოდელების ტრენინგის მნიშვნელოვანი გამოცდილება მრავალ გამოთვლით კვანძზე

- ძლიერი პროგრამული ინჟინერიისა და ალგორითმის დიზაინის უნარები; ჩვენ ძირითადად ვიყენებთ Python-ს

- თანამედროვე ღრმა სწავლების ჩარჩოსთან ღრმა გამოცდილება; ჩვენ ძირითადად ვიყენებთ JAX-ს

- მანქანური სწავლების ექსპერიმენტების დიზაინის, შესრულებისა და ანალიზის გამოცდილება შესაბამისი სტატისტიკური სიმკაცრით

- კვლევითი კითხვების ჩამოყალიბების, ექსპერიმენტების დიზაინის უნარი, რომლებიც ამოწმებენ მკაფიო ჰიპოთეზებს და დასაბუთებულ დასკვნებს

- კვლევითი იდეების განხორციელებისა და სწრაფად გამეორების გამოცდილება მოდელირების, მონაცემების, ინფრასტრუქტურისა და შეფასების მასშტაბით

- ძლიერი კომუნიკაციისა და ლიდერობის უნარები, მათ შორის კვლევითი და საინჟინრო დისციპლინებში თანამშრომლობის უნარი

- კვლევითი დასკვნების მკაფიოდ დოკუმენტირების და ტექნიკური ანგარიშების ან კვლევითი პუბლიკაციების შეტანის უნარი

სასიამოვნო იქნება თუ თქვენ გექნებათ:

- რეალური რობოტებთან და რობოტული სიმულაციის გარემოებთან მუშაობის გამოცდილება

- მოქნილი მანიპულაციის, მთელი მკლავის მანიპულაციის, მობილური მანიპულაციის ან ჰუმანოიდული რობოტიკის გამოცდილება

- მულტიმოდალური სენსირების გამოცდილება, მათ შორის ტაქტილური, ძალის-ბრუნვის, სიღრმისა და პროპრიოცეპტიური სიგნალები

- ადამიანების დემონსტრაციების შეგროვების გამოცდილება ტელეოპერაციის, მოძრაობის კაპტივის, ტარებადი მოწყობილობების ან დაკვირვების გზით

- ხედვის ენის მოდელების, ხედვის ენის მოქმედების მოდელების ან ვიდეო და მსოფლიო მოდელების შემუშავების ან ტრენინგის შემდგომი გამოცდილება

- გამოცდილება ღრმა განმტკიცების სწავლების ტექნიკებთან, როგორიცაა ოფლაინ RL, მსახიობი-კრიტიკოსი მეთოდები, PPO, ჯილდოს მოდელირება, უპირატესობის სწავლება ან მოდელზე დაფუძნებული RL

- რობოტიკის ხელსაწყოებთან და სიმულატორებთან მუშაობის გამოცდილება, როგორიცაა MuJoCo, Isaac Sim, Isaac Lab, PyBullet, ROS ან ექვივალენტური სისტემები

- ცოდნა მასშტაბური სასწავლო ტექნიკების შესახებ, როგორიცაა FSDP ან ZeRO, FlashAttention, შერეული სიზუსტის ტრენინგი, კვანტიზაცია და განაწილებული შემოწმება

-