Сбер·Москва·1 авг.
Reinforcement Learning Engineer
Ориентир по рынку≈ 83 000 – 114 000 ₽наша приблизительная оценка по 27 вакансиям этой роли и грейда, у работодателя вилка не указана
≈ 1 тыс.–1,4 тыс. $
ОфисJuniorПолная занятостьКорпорация
≈ 83 000 – 114 000 ₽наша приблизительная оценка
Стоит ли откликаться
Стоит откликнуться, но спросите про деньги
Вилку работодатель не назвал, но ориентир по рынку есть: он в строке «Деньги». Смущает только, что вакансия висит давно.
2 из 4 в норме
Висит давно: что спросить, чтобы не откликаться в пустоту
Деньги
Зарплату в объявлении не раскрыли. Ориентир на созвон: столько платят в 27 похожих вакансиях Инженер уровня Junior.
- Кроме оклада: премия и пересмотр зарплаты. Размер не назван, а от него зависит доход за год.
Живость
Открыта уже 87 дней. Источник её держит, но за таким сроком часто стоит трудный найм или набор в резерв.
- Зарплата не указана
- Появилась у нас 1 августа 2026 г., 87 дней назад
- Текст сверяли с источником: с тех пор как мы её нашли, он не менялся
- У источника её видели сегодня
В Pro вся история: 2 события с датами
Считается по истории наблюдений за вакансией: сколько раз её переоткрывали, меняли ли текст, как долго висит. Выдачу источника сверяем при каждом обходе: пропажу, возврат и правки текста. Это оценка по косвенным признакам, а не факт. Окончательный вывод за вами.
Описание
Обязанности: 7, требования: 13. Понятно, что за работа, ещё до отклика.
- Обещают
- ДМС и компенсация спорта
Что требуют
ОбязательноPythonC++PyTorch
Полный разбор в Pro
Это короткий разбор. В Pro полный: под эту вакансию и ваше резюме
Сколько просить
Не продешевите: сумма под ваше резюме, нижняя граница и готовые фразы для торга
Ваше резюме против требований
Пройдёт ли ваше резюме фильтр: что совпало с требованиями и что дописать до отклика
Спросить у работодателя
10 вопросов именно к этой вакансии: что спросить на первом созвоне
Когда откликаться
Стоит ли спешить: за сколько дней Сбер обычно закрывает вакансии
30 дней Pro: полный разбор каждой вакансииЧто ещё входит в Pro
Чем предстоит заниматься
Разрабатывать, обучать и деплоить RL-политики локомоции и whole body control
Подбирать observations, actions и типы моделей, которые дают максимальную производительность
\находить и закрывать ключевые факторы в sim-to-real gap — добиваться, чтобы политика, обученная в симуляторе, работала на реальном роботе
Определять, измерять и интерпретировать метрики качества обученных политик
Доводить control stack до стабильной и предсказуемой работы в реальных условиях
Настраивать reward-функции, domain randomization и curriculum под конкретные двигательные задачи
Работать в связке с командами интеграции и middleware — доводить политику до надежного исполнения на железе
Наши требования
Уверенное владение Python; знание C++ как плюс для интеграции на робота
Опыт применения RL-алгоритмов для робототехники или управления (PPO, SAC и подобные)
\понимание динамики и управления, в идеале — шагающих роботов
Опыт подбора гиперпараметров и cost/reward-функций для RL
Знакомство с типовыми техниками RL: domain randomization, curriculum learning, reward shaping
Опыт работы с симуляторами (MuJoCo, Isaac Sim или аналоги)
Способность самостоятельно разбираться в незнакомых системах и находить корневые причины проблем
Желание брать ответственность за то, что политика работает на роботе, а не только в симуляторе
Опыт деплоя обученных политик на реальное железо
Опыт с behavior cloning и дистилляцией политик
Понимание основ теории управления, кинематики и динамики шагающих роботов
Опыт работы с middleware робота (ROS2, DDS)
Опыт использования GigaChat, Kandinsky и аналогов в продуктах, навыки создания и использования AI-агентов
Мы предлагаем
Комфортный современный офис г. Москва, МЦК ЗИЛ
Формат работы - лаборатория робототехники
Ежегодный пересмотр зарплаты, годовая премия
Корпоративный спортзал и зоны отдыха
Более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
Программа адаптации и помощь руководителя на старте (для вакансий уровня Junior)
Расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа
Гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ
Подписка Прайм с возможностью совместного использования на трёх близких
Вознаграждение за рекомендацию друзей в команду Сбера
Дополнительно
В Центре Робототехники Сбера мы строим антропоморфного робота общего назначения. Наш робот вышел из стадии первых демонстраций — и мы переходим к надёжной автономной работе в реальных задачах. Локомоция и управление всем телом (Whole Body Control) — основа этой работы: именно от них зависит, насколько устойчиво и предсказуемо робот движется в реальном мире
Мы ищем инженера, который разрабатывает, обучает и доводит до робота RL-политики управления всем телом — от постановки задачи в симуляторе до стабильной работы контроллера на железе. Это роль для того, кто хочет видеть результат своих алгоритмов не в метриках на графике, а в том, как робот уверенно идёт, поворачивает и держит равновесие
Наша команда действительно работает над уникальным проектом в России, а у Вас будет прямой доступ к железу, Вы будете видеть результат своей работы в физическом мире
Ключевые технологии
Python, PyTorch, RL (PPO/SAC), MuJoCo/Isaac Sim, ONNX, C++, ROS2
Если вас просят заплатить, продиктовать код или установить непонятное приложение, прекратите общение и напишите нам в чат с основателем или через форму обратной связи.