Research Engineer - Learnable Planner (Integration)

Remote US & Canada • Remote • Mid-Level • 16.09.2026
AI Software Engineer
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