Имплементация и адаптация алгоритмов манипуляции и навигации: внедрение, настройка и доработка готовых решений для планирования траекторий (Motion Planning), обхода препятствий, захвата объектов (Grasp Planning) и управления манипуляторами в связке с системами технического зрения
Интеграция ПО компьютерного зрения: встраивание и оптимизация предобученных моделей и классических CV-алгоритмов для решения прикладных задач: детекция, сегментация, классификация объектов, оценка 6D-позы. Задача — взять работающий прототип модели и интегрировать его в робототехнический стек с гарантированной производительностью
Сопровождение ML-моделей (ML-Ops на борту робота): упаковка моделей в продакшен (ONNX/TensorRT), обеспечение эффективного инференса на бортовых вычислителях, мониторинг корректности работы моделей на роботе
Разработка связующего ПО на ROS 2: создание и конфигурирование нод, топиков, сервисов и экшенов как единой нервной системы робота, соединяющей модули управления, восприятия и приводы
Высокопроизводительная обработка данных: оптимизация критичных к скорости модулей (например, фильтрация и сегментация облаков точек с лидаров/Depth-камер) с использованием C++ для достижения показателей реального времени
Работа с данными: сбор, разметка и предобработка данных с сенсоров (RGB-D камеры, лидары, тактильные сенсоры) для дообучения и тонкой настройки интегрируемых моделей
Полный цикл интеграции: от запуска в симуляторе и отладки прототипа до развертывания, полевых испытаний и поддержки кода на реальных роботах
Языки: C++ (17/20), Python 3.x
Фреймворки робототехники: ROS 2 (Humble), MoveIt 2, CuRobo, Navigation 2 (Nav2), Autoware
Компьютерное зрение и 3D: OpenCV, PCL
ML и оптимизация: PyTorch, ONNX Runtime, TensorRT
Симуляция: Isaac Sim, Gazebo (Ignition), Mujoco, Genesis
Инфраструктура и инструменты: Docker, Linux, Git, CI/CD (GitLab CI/Jenkins)
Сенсоры: RGB-D и стереокамеры, лидары, тактильные сенсоры