Reinforcement learning engineer

В Центре Робототехники Сбера мы строим антропоморфного робота общего назначения. Наш робот вышел из стадии первых демонстраций — и мы переходим к надёжной автономной работе в реальных задачах. Локомоция и управление всем телом (Whole Body Control) — основа этой работы: именно от них зависит, насколько устойчиво и предсказуемо робот движется в реальном мире. Мы ищем инженера, который разрабатывает, обучает и доводит до робота RL-политики управления всем телом — от постановки задачи в симуляторе до стабильной работы контроллера на железе.

• разрабатывать, обучать и деплоить RL-политики локомоции и whole body control
• подбирать observations, actions и типы моделей, которые дают максимальную производительность
• находить и закрывать ключевые факторы в sim-to-real gap — добиваться, чтобы политика, обученная в симуляторе, работала на реальном роботе
• определять, измерять и интерпретировать метрики качества обученных политик
• доводить control stack до стабильной и предсказуемой работы в реальных условиях
• настраивать reward-функции, domain randomization и curriculum под конкретные двигательные задачи
• работать в связке с командами интеграции и middleware — доводить политику до надежного исполнения на железе.

• уверенное владение Python
• опыт применения RL-алгоритмов для робототехники или управления (PPO, SAC и подобные)
• понимание динамики и управления, в идеале — шагающих роботов
• опыт подбора гиперпараметров и cost/reward-функций для RL
• знакомство с типовыми техниками RL: domain randomization, curriculum learning, reward shaping
• опыт работы с симуляторами (MuJoCo, Isaac Sim или аналоги)
• способность самостоятельно разбираться в незнакомых системах и находить корневые причины проблем
• желание брать ответственность за то, что политика работает на роботе, а не только в симуляторе.
• Будет плюсом: знание C++; опыт деплоя обученных политик на реальное железо; опыт с behavior cloning и дистилляцией политик; понимание основ теории управления, кинематики и динамики шагающих роботов; опыт работы с middleware робота (ROS2, DDS); опыт использования GigaChat, Kandinsky и аналогов в продуктах, навыки создания и использования AI-агентов

• комфортный современный офис г. Москва, МЦК ЗИЛ
• формат работы - лаборатория робототехники
• ежегодный пересмотр зарплаты, годовая премия
• корпоративный спортзал и зоны отдыха
• более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
• программа адаптации и помощь руководителя на старте (для вакансий уровня Junior)
• расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа
• гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ
• подписка Прайм с возможностью совместного использования на трёх близких
• вознаграждение за рекомендацию друзей в команду Сбера.