В Центре робототехники Сбера мы разрабатываем модели, которые позволяют роботам понимать окружающий мир, выполнять инструкции и решать задачи в реальных условиях. Мы работаем над Vision-Language-Action (VLA) и World Action Models (WAM), объединяя обучение на изображениях, видео, языке и робототехнических данных.
Мы ищем Research Engineer, который будет заниматься предобучением и дообучением этих моделей: исследовать архитектуры и методы обучения, работать с большими мультимодальными датасетами, масштабировать обучение и адаптировать модели под конкретные задачи и робототехнические платформы. Работа охватывает полный цикл экспериментов — от постановки гипотезы и подготовки данных до оценки качества и проверки результатов на роботах совместно со смежными командами.
Первый этап отбора на эту вакансию — общение с AI-рекрутером. После отклика ждите сообщение от него, диалог займёт примерно 10 минут. Задача AI-рекрутера — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры. AI-рекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным для всех!
разрабатывать и обучать VLA/WAM-модели для понимания сцен и инструкций, предсказания динамики окружающего мира и генерации действий робота
развивать методы предобучения на разнородных данных: изображениях, видео, текстах, демонстрациях и траекториях роботов
дообучать и адаптировать модели под новые задачи, объекты, условия и робототехнические платформы
исследовать архитектуры, представления действий и функции потерь, включая transformer-, autoregressive- и diffusion/flow matching-подходы
формировать смеси обучающих данных, выбирать стратегии семплирования и исследовать влияние качества, объёма и состава данных на способности моделей
разрабатывать и оптимизировать пайплайны распределённого обучения на GPU-кластерах: повышать стабильность обучения, эффективность вычислений и использования памяти
проводить воспроизводимые эксперименты и абляционные исследования, анализировать динамику обучения и причины ошибок
разрабатывать методики оценки моделей: измерять качество предсказаний и действий, успешность выполнения задач, устойчивость и перенос на новые условия
совместно с командами робототехники и инфраструктуры интегрировать модели в контур управления и проверять их на реальных роботах
формировать рекомендации по сбору дополнительных данных и улучшению обучающих выборок на основе результатов экспериментов и испытаний.
опыт разработки и обучения современных DL-моделей в одной или нескольких областях: computer vision, video understanding/generation, multimodal learning, LLM/VLM или robot learning
уверенное владение Python и PyTorch
хорошее понимание современных нейросетевых архитектур, прежде всего transformers, методов оптимизации и принципов обучения на последовательностях
практический опыт pretraining или finetuning моделей: подготовка данных, выбор функций потерь, настройка обучения, оценка качества и анализ ошибок
опыт работы с большими датасетами и эффективными пайплайнами загрузки и обработки данных
опыт обучения моделей на нескольких GPU и понимание принципов распределённого обучения
умение ставить исследовательские гипотезы, планировать эксперименты и делать обоснованные выводы по их результатам
умение писать поддерживаемый и воспроизводимый код, работать с Git и инструментами отслеживания экспериментов
способность читать научные статьи и реализовывать перспективные подходы
самостоятельность и готовность доводить исследовательскую идею до работающей модели совместно со смежными командами.
опыт работы с VLA, world models, action-conditioned video models или другими моделями для embodied AI
опыт обучения политик по демонстрациям: imitation learning, behavior cloning, diffusion policies
опыт с diffusion, flow matching, авторегрессионной генерацией видео и моделированием пространственно-временной динамики
опыт мультимодального предобучения, self-supervised learning или обучения на эгоцентрическом видео
опыт переноса моделей между робототехническими платформами и работы с разными представлениями действий
опыт reinforcement learning, offline RL или улучшения политик на основе обратной связи и результатов выполнения задач
опыт масштабирования обучения на нескольких узлах, работы с FSDP, DeepSpeed, Megatron или аналогичными инструментами
опыт исследования scaling laws, оптимизации смесей данных и планирования экспериментов при ограниченном вычислительном бюджете.
опыт запуска моделей на реальных роботах, анализа неудачных действий и оптимизации инференса
публикации, открытые проекты или воспроизводимые исследовательские результаты в ML, computer vision или робототехнике.
навыки работы с генеративными AI-моделями
опыт создания AI-агентов и использования их в работе будет преимуществом
опыт использования GigaChat, Kandinsky и аналогов в продуктах, навыки создания и использования AI-агентов
инструментальное владение AI для анализа, генерации и автоматизации.
офисный формат работы, адрес офиса Автозаводская 23а к2
ежегодный пересмотр зарплаты, квартальная и годовая премия
корпоративный спортзал и зоны отдыха
более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
программа адаптации и помощь руководителя на старте
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.
