W
Research Engineer - Learnable Planner (Integration)
Auf einen Blick
Integriere ML-Modelle in Production Motion Planning Stack für autonome Lkw. Du entwickelst Simulation-Interfaces und deployest Learnable Planner Technologien End-to-End.
💰 ~$130.000–160.000/Jahr (geschätzt)
📊 Mid-Level
🕒 Vollzeit
🌍 Remote
🗺️ Americas
- MS/PhD in ML/CS oder 4+ Jahre Experience
- Planning/Decision Making ML Experience
- PyTorch und Python Expertise
- Research-to-Production Track Record
Python
PyTorch
Machine Learning
C++
Motion Planning
Gehalt geschätzt anhand Research Engineer ML Integration Remote AV. Kein Gehalt in der Anzeige angegeben.
✅ Geeignet für
- ML Engineer mit Planning Background
- PyTorch Specialist
- Research Engineer mit Production Track Record
🚫 Weniger geeignet
- Entry-Level Developer ohne Research Experience
- Web Developer ohne ML Background
- Kandidaten ohne PyTorch/Python
💡 Gut zu wissen
- Remote USA & Canada Position
- Research Publication ist erwartete Aktivität
- Motion Planning ist spezialisiert nicht generisch
- Production Integration ist zentral
Über das Unternehmen
Waabi ist ein Physical-AI-Unternehmen, das autonome Fahrzeuge und Lkw mit KI antreibt. Mit Büros in Toronto, San Francisco, Dallas und Pittsburgh arbeitet Waabi an der nächsten Generation vollständig autonomer Lkw.
Deine Aufgaben
- Cutting-Edge ML Models in Production Planning Stack integrieren von Entwicklung bis Validierung und Deployment
- Interfaces und Pipelines in Simulation für Prototype Testing entwickeln
- Eng mit Motion Planning Sub-Teams und Research Scientists zusammenarbeiten
- Planner Architecture verbessern und neue Representations entwickeln
- Engineering Excellence champion mit High-Quality Code
- State-of-the-Art Advancements in AI, ML und Self-Driving verfolgen
- Große Datasets und Waabi World Simulator nutzen
- Research Findings in Conferences publishen
Deine Voraussetzungen
- MS/PhD in Machine Learning, Computer Science, Engineering oder verwandtes Feld
- Erfahrung mit ML-Techniken für Planning/Decision Making (Imitation Learning, Reinforcement Learning, Optimization)
- Leidenschaft, Research-Ideen in praktische Lösungen zu übersetzen
- Open-Minded und Collaborative Team Player
- Solid Computing Fundamentals mit Code Efficiency Verständnis
- Deep Learning Framework Experience (PyTorch)
- Python, Rust, C++ und/oder CUDA Proficiency