ML/RL-инженер по мультиагентным системам и роевому управлению / Senior RL - Engineer
Описание
В активно развивающийся проект - разработка высокотехнологичных решений для защиты гражданских и промышленных объектов от БПЛА, ищем Инженер по алгоритмам наведения и обучения траекториям / RL - Engineer — Trajectory Learning & Guidance. Ключевая задача:Разработать алгоритмы роевых действий перехватчиков: несколько перехватчиков на одну цель, оптимальный выбор перехватчика под тип цели, перераспределение перехватчиков для повышения вероятности роевого перехвата, а также динамическое целераспределение в условиях меняющейся обстановки. Немного о компании: Являемся обособленным подразделением одного из крупнейших застройщиков. Стартап, с высокой скоростью развития и интересными задачами. В команде нам важна инициативность, готовность брать ответственность, самостоятельно находить решения. Стек: Python, PyTorch, JAX, Ray/RLlib, Stable Baselines3, ROS 2, Gazebo, Isaac Gym, C++, Docker, GPU-кластер. Чем предстоит заниматься: Разработка и обучение мультиагентных RL-политик (MARL): MAPPO, MADDPG, QMIX, EA-MADDPG. Разработка алгоритмов роевого перехвата: распределение ролей (основной, страховочный, разведчик), координация, избегание коллизий. Оптимальный выбор перехватчика под тип цели: по дальности ПУ, скорости, ТТХ, вектору подлёта и сектору поражения. Динамическое перераспределение перехватчиков при появлении новых целей, отказах и промахах. Разработка графовых нейронных сетей (GNN, GAT) для моделирования динамических связей между перехватчиками и целями. Разработка иерархических архитектур: стратегическое распределение задач + тактическое управление маневрами. Обучение политик для сценариев групповых и роевых атак противника. Перенос обученных политик из симуляции на edge-устройства. Сотрудничество с GNC-инженером для интеграции роевых поведений с индивидуальным наведением. Наши ожидания: Высшее образование: ML, робототехника, computer science, прикладная математика. 5+ лет опыта в multi-agent systems, swarm robotics или distributed AI. Глубокое понимание: MDP, теория игр, MARL, иерархическое RL, decentralized control. Опыт обучения и деплоя RL-агентов для робототехники или автономных систем. Уверенное программирование: Python (PyTorch, JAX, Ray/RLlib), C++. Опыт работы с симуляторами (Gazebo, Isaac Gym, PyBullet, AirSim). Понимание ограничений edge-вычислений и real-time. Опыт переноса моделей из симуляции на реальное железо (sim2real). Будет плюсом: PhD в области RL, мультиагентных систем или робототехники. Публикации в top-tier конференциях (NeurIPS, ICML, ICLR, CoRL, AAMAS). Опыт в оборонной или аэрокосмической отрасли. Опыт с adversarial RL, game theory, minimax. Опыт с graph attention networks для task allocation в counter-drone сценариях. Знание ROS 2, PX4, MAVLink. Опыт работы с GPU-кластерами и MLOps. Мы предлагаем: Оформление по ТК РФ. Удаленный формат работы с возможностью выбора начала рабочего дня. Конкурентную заработную плату по итогам собеседования. Работу с современным оборудованием и вычислительными ресурсами. Участие в интересных инженерных задачах, НИОКР и испытаниях. Профессиональный рост в сфере БПЛА и ИИ. Работу в сильной команде инженеров и разработчиков, где ценятся инициативность, ответственность и техническая экспертиза.