Инженер по обучению RL-политик управления всем телом в ПАО Сбербанк Москва

Инженер по обучению RL-политик для антропоморфного робота: разработка, обучение и деплой политик локомоции и whole body control, от симуляции до реального железа.

Задачи:

• 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

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

Условия:

• 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

Навыки:

• Python
• PyTorch
• RL
• PPO
• SAC
• MuJoCo
• Isaac Sim
• ONNX
• C++
• ROS2
• DDS
• GigaChat
• Kandinsky