Royaume-Uni
OpenTable
Broaden Management Partners
Ingénieur Fondateur en Apprentissage Robotique
À distanceRoyaume-Uni
London, England, Royaume-Uni
Python
Traduction automatique. Consultez l’original.
À propos du poste
Ingénieur Fondateur en Apprentissage Robotique
Relevant du responsable de l'ingénierie (et travaillant directement avec les partenaires et les fondateurs), l'Ingénieur Fondateur en Apprentissage Robotique fait le pont entre les données de démonstration humaine et la performance des politiques du monde réel. Vous déciderez, sur la base de preuves empiriques, quels jeux de données l'entreprise doit collecter et comment ces données doivent être représentées.
Ce poste combine l'ingénierie pratique des flux de données avec l'expérimentation de politiques. Vous construirez des flux de travail de segmentation de tâches et d'aide à l'annotation, construirez des chargeurs de données de politiques et exécuterez des expériences d'entraînement et d'évaluation de politiques en utilisant des jeux de données egocentriques et UMI pour prouver que les données de l'entreprise améliorent directement le succès des tâches robotiques.
Détails du poste
| Startup d'IA Physique & Robotique soutenue par YC | Londres (Télétravail) | Temps Plein | Jusqu'à 150K £ + Équité
Calendrier : Démarrage immédiat.
Lieu : Londres (Télétravail).
À propos de l'entreprise
Notre client est une entreprise d'IA physique soutenue par Y Combinator (S26) qui construit les jeux de données vidéo et de mouvement humains fondamentaux pour les équipes leaders en robotique et en IA incarnée. Axée sur la vidéo égocentrique à la première personne et les données de démonstration UMI, l'entreprise transforme les opérations de capture du monde réel en produits de données de haute précision et versionnés sur lesquels les équipes de modèles fondamentaux et VLA s'appuient pour entraîner des robots physiques.
Soutenue par un tour de table d'amorçage fraîchement clôturé, sa contrainte principale est l'offre, pas la demande. L'entreprise étend activement son ingénierie de déploiement, ses opérations sur le terrain et son matériel de capture pour répondre à la demande massive des clients.
Les fondateurs construisent une équipe d'ingénierie fondatrice de trois personnes pour définir les normes techniques, les outils et la méthodologie d'évaluation derrière le jeu de données de référence mondial pour l'apprentissage robotique.
Responsabilités clés
- Transformer de longs enregistrements en intervalles de tâches utiles, définir des schémas d'annotation pour des besoins clients spécifiques et garantir que chaque étiquette reste verrouillée sur la trame de la vidéo source.
- Déployer des modèles d'IA pour proposer des limites de tâches et des étiquettes, acheminer les résultats incertains pour examen humain, rédiger des instructions d'étiquetage et mesurer la cohérence des réviseurs.
- Construire des chargeurs et des transformations de données personnalisés qui formatent la vidéo, les étiquettes et les trajectoires de mouvement (y compris le mouvement des mains humaines et les chemins de préhension UMI) en entrées prêtes pour les politiques.
- Ajuster et évaluer les politiques robotiques sur des données de démonstration humaine, en exécutant des comparaisons de référence contrôlées, des tests de validation croisée hors échantillon et des évaluations de performance des tâches dans des conditions de test réalistes.
- Traduire les informations d'évaluation des politiques en recommandations de données précises, guidant les équipes de perception et de capture sur les tâches, les points de vue et les annotations qui génèrent la plus grande amélioration des politiques.
Compétences et aptitudes
- Expérience démontrée dans l'entraînement, l'ajustement fin et l'évaluation de politiques d'apprentissage par manipulation ou par imitation robotique (par exemple, Diffusion Policies, VLA, ACT).
- Solides compétences en Python et PyTorch avec une aisance dans la construction d'interfaces de jeux de données, de chargeurs et d'outils d'annotation aux côtés de la recherche en ML.
- Compréhension approfondie de la fuite d'évaluation, des facteurs de confusion des jeux de données et de l'écart entre les métriques de perte hors ligne et le succès des tâches robotiques physiques.
- Expérience de travail avec la segmentation d'actions temporelles, les annotations vidéo, les trajectoires spatiales et le transfert de données humain-robot.
Qualifications et expérience
- Expérience en tant qu'Ingénieur en Apprentissage Robotique, Chercheur en IA Incarnée ou Ingénieur ML en Robotique.
- Expérience avérée dans la préparation personnelle de données d'entraînement, l'entraînement ou l'ajustement fin de politiques robotiques, et l'évaluation de la performance de tâches physiques ou simulées.
- Expérience pratique dans la connexion des décisions relatives aux jeux de données à des améliorations de politiques, l'identification des facteurs de confusion et la prévention des fuites de données.
- Une expérience en manipulation robotique physique, en politiques de diffusion, en modèles vision-langage-action ou en transfert humain-robot est hautement souhaitable.
Package : Salaire de base compétitif jusqu'à 150K £ + une participation significative en tant qu'ingénieur fondateur avec une propriété absolue sur l'évaluation des politiques et les normes des jeux de données.
Plus d’opportunités avec un seul profil
Vous souhaitez accéder à plus de postes sans répéter tout le processus ? Créez votre profil pour être trouvé par les entreprises utilisant Nort.
Créer mon profil