Vereinigte Staaten
B&A
Sauron
Senior Perception Engineer
Vereinigte Staaten
San Francisco, California, Vereinigte Staaten
PythonC++Go
Automatische Übersetzung. Prüfe das Original.
Wer wir sind
Sauron ist das Unternehmen für Heimsicherheit der Zukunft. Hausbesitzer haben heute keine überzeugenden Optionen, wenn es um Seelenfrieden angesichts von Schwachstellen und die vollständige Kontrolle über ihr Zuhause geht; es gibt keine definitive, schützende Marke in diesem Bereich. Sauron nutzt modernste KI, Sensortechnologie und nicht-tödliche Abschreckung, um Hausbesitzern Technologien der nächsten Generation zur Verfügung zu stellen, um ihre Familien und ihr Eigentum zu schützen. Sauron, inkubiert vom Serienunternehmer Kevin Hartz und Atomic, hat eine Seed-Finanzierungsrunde in Höhe von 18 Mio. US-Dollar von führenden Risikokapitalfirmen und Angel-Investoren, darunter 8VC und Garret Langley, CEO von Flock Safety, abgeschlossen, um das neue Wahrnehmungssystem für das Zuhause zu entwickeln.
Die Rolle | Senior Perception Engineer
Wahrnehmung ist das Fundament des Sauron-Produkts. Jede Entscheidung, die das System trifft (was einem Hausbesitzer angezeigt wird, was ignoriert wird, was eskaliert wird), hängt davon ab, ob wir korrekt verstanden haben, was außerhalb des Hauses passiert ist. Wir suchen die Person, die dieses Gebiet verantworten wird.
Sie werden durch Folgendes beitragen
Unsere Hardware arbeitet rund um das Haus und muss ihre Aufgabe unter allen Umweltbedingungen zuverlässig erfüllen: bei Nacht, bei widrigen Wetterbedingungen und bei Vorhandensein von Verdeckung und absichtlicher Ausweichbewegung. In dieser Rolle legen Sie die technische Richtung fest, wie wir dies erreichen, einschließlich dessen, was wir erfassen, was wir ableiten, welche Probleme am besten durch Modelle und welche durch Systeme gelöst werden und was "versandfertig" in messbaren Begriffen und nicht in Eindrücken bedeutet.
Sie werden die Wahrnehmungsarchitektur und die damit verbundenen Kompromisse bei Genauigkeit, Latenz und Kosten verantworten. Sie werden eng mit dem Hardware-Team zusammenarbeiten, um die Sensoranforderungen für aufeinanderfolgende Produktgenerationen zu definieren, und Sie werden als Autorität fungieren, die Cloud-, Produkt- und Hardware-Teams konsultieren, um zu verstehen, was die Wahrnehmung leisten kann und was nicht. Sie werden eine beträchtliche Menge an Code schreiben, der sich auf die schwierigsten Probleme konzentriert, aber Ihr Erfolg wird daran gemessen, ob das Wahrnehmungssystem als Ganzes besser, schneller und vertrauenswürdiger wird.
- Weiterentwicklung der Pipeline-Architektur, sodass Kameras kommen und gehen können und die Konfiguration geändert werden kann, ohne Live-Videos zu unterbrechen oder die Objektidentität zu verlieren.
- Festlegung der Grenze zwischen Systemen und Modellen. Sie entscheiden, was in den kompilierten Dienst gehört, was in den Inferenzgraphen gehört und wo die Leistungsgrenze wirklich liegt.
- End-to-End-Verantwortung für die Wahrnehmungsqualität. Definieren, wie "gut" in Zahlen aussieht: Evaluierungsdaten, ein Regressions-Harness und eine verteidigungsfähige Darstellung der Modellwahl für unsere Hardware.
- Maximale Wertschöpfung aus unseren Sensoren. Verschmelzung jeder verfügbaren Beobachtung, während die Robustheit gegenüber Verdeckung, schlechten Lichtverhältnissen und absichtlicher Ausweichbewegung erhalten bleibt.
- Überführung des Dienstes von "läuft" zu "vertrauenswürdig unbeaufsichtigt". Fehlererkennung, stufenweise Degradation und Beobachtbarkeit, die ausreicht, damit wir ohne Vor-Ort-Besuch wissen, warum etwas ausgefallen ist.
- Schließen des Kreislaufs aus dem Feld. Nutzung von Deployment-Daten zur Identifizierung von Verbesserungspotenzialen und Aufbau des Datensatzes und der Evaluierungsinfrastruktur, die dies wiederholbar macht.
- Führung der Arbeit und der Menschen. Festlegung der Richtung für die Wahrnehmung, Überprüfung der schwierigen Änderungen und Verantwortung für die Schnittstellen, die die Wahrnehmung dem Rest des Produkts zur Verfügung stellt.
Wir schätzen
- Zusammenarbeit, Pair Programming und Teamarbeit.
- Übernahme von Verantwortung über den gesamten Stack hinweg.
- Testgetriebene Entwicklung und regelmäßiges Refactoring, um unsere Codebasen gesund zu halten.
Ihr Hintergrund umfasst
- Ungefähr 5+ Jahre Erfahrung im Aufbau von Produktionssystemen, davon mehrere auf Staff-Niveau: Verantwortung für die Architektur eines Systems, nicht nur für dessen Tickets.
- Signifikante Berufserfahrung mit Wahrnehmung oder machine learning für Hardwareprodukte in sicherheitskritischen Bereichen – Luft- und Raumfahrt, Robotik, medizinische Geräte, autonome Fahrzeuge oder physische Sicherheit.
- Fundierte Kenntnisse in modernem C++. Dies ist eine C++20-Codebasis mit Abseil, gRPC und CMake; Sie sollten sicher im Umgang mit Lebensdauer-, Threading- und Shutdown-Semantik in einem langlaufenden Daemon sein.
- Reale GStreamer- oder Medienpipeline-Erfahrung: Pads, Probes, Caps-Aushandlung, Bus-Nachrichten und die spezifische Pathologie einer Pipeline, die lebt, aber sich nicht bewegt. DeepStream oder ein anderer NVIDIA-Videostack ist ein starkes Plus.
- Angewandte Computer Vision, die Sie bereits eingesetzt haben – Multi-Objekt-Tracking, Re-Identifikation oder Multi-Kamera-Assoziation – und das Urteilsvermögen, um zu wissen, wann die Antwort ein besseres Modell, eine bessere Geometrie oder eine bessere Infrastruktur ist.
- Ein klares Verständnis von linearer Algebra, Optimierung, Statistik und Algorithmen sowie der Theorie hinter den Techniken, die Sie anwenden.
- Erfahrung im gesamten deep-learning-Lebenszyklus: PyTorch oder ein äquivalentes Framework, benutzerdefinierte Layer und Operationen, Optimierung von Netzwerken für die Inferenz auf Edge-Computing, Reproduzierbarkeit und ehrliche Evaluierung.
- GPU-Inferenz in der Praxis: TensorRT-Engines, Batching, fp16 und die Analyse, wo die Latenz tatsächlich entsteht.
- Edge-Instinkte. Sie haben etwas debuggt, das nur auf dem Gerät, nach neun Stunden, im Netzwerk eines Kunden fehlschlägt, und Sie behandeln Beobachtbarkeit und Fehlerklassifizierung als Teil des Features.
- Python-Fließfähigkeit. Ein bedeutender Teil der tragenden Logik ist Python, und Sie werden entscheiden, was uns das kostet.
- Eine generalistische Denkweise – in der Lage, überall dort einzusteigen, wo der Engpass liegt, von der Cloud-Trainingsinfrastruktur bis hin zu eingebetteten Systemen.
- Exzellente schriftliche und mündliche Kommunikationsfähigkeiten und die Fähigkeit, die technische Richtung vorzugeben und produktiv mit angrenzenden Teams zu widersprechen.
Nice to Have
- NVIDIA Jetson in Produktion – JetPack, L4T, Yocto-Images oder die Freude am Cross-Building für aarch64.
- Vorherige Erfahrung im Aufbau von Multi-Kamera-Tracking-Systemen.
- Videoüberwachung, VMS oder ONVIF/RTSP-Integrationen und Wissen, wie Kameras sich tatsächlich falsch verhalten.
- GPU-Architektur und CUDA-Programmierung.
- Vertrautheit mit VLMs und anderen multimodalen Modellen für das semantische Szenenverständnis.
- Verantwortung für die Modellbewertung: Datensätze, Metriken und die Disziplin, ein Modell abzulehnen, das besser abschneidet, aber schlechter ausgeliefert wird.
Vergütung: $220-260k + Aktienoptionen + Sozialleistungen
Mehr Möglichkeiten mit einem Profil
Für mehr Stellen berücksichtigt werden, ohne den ganzen Prozess zu wiederholen? Erstellen Sie Ihr Profil, damit Unternehmen auf Nort Sie finden.
Profil erstellen