- Страна
- Россия
- Зарплата
- до 450 000 ₽
Откликайтесь
на вакансии с ИИ
RL/ML программист (робототехника)
Оценка ИИОтличное предложение с высокой заработной платой для РФ рынка и возможностью работать над передовыми технологиями (VLA, робототехника) в известной компании.
Сложность вакансии
Оценка ИИВысокая сложность обусловлена необходимостью сочетать глубокие знания в ML/RL с пониманием физики роботов (кинематика, динамика) и современными мультимодальными архитектурами типа VLA.
Анализ зарплаты
Оценка ИИПредлагаемая зарплата до 450 000 ₽ на руки находится на верхней границе рынка для Senior ML-инженеров в России, особенно в такой узкой нише, как робототехника.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь в ТехВилл уже сейчас
Присоединяйтесь к команде ТехВилл, чтобы создавать будущее робототехники с помощью передовых VLA и RL моделей!
Описание вакансии
RL/ML программист (робототехника) в ТехВилл
*💰*До 450 000 ₽ на руки
*📌*Условия и бонусы:
Фултайм, гибрид (МСК).
*📌*Наши ожидания:
– Имеете от 2+ лет коммерческого или серьезного исследовательского опыта в ML/DL, с портфолио проектов (GitHub, публикации).
– Машинное обучение в робототехнике: разработка и обучение RL/DL моделей для управления роботами (манипуляция, локомоция). Понимание кинематики, динамики.
– Visual Language Action (VLA) / Мультимодальные модели: опыт работы с VLMs (CLIP, BLIP, ViLT) или LLMs для планирования в робототехнике (RT-1, RT-2, OpenVLA).
– Имеете продвинутые навыки в PyTorch и работе с данными.
*✍🏼*Откликнуться
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- PyTorch
- Machine Learning
- LLM
- Computer Vision
- Deep Learning
- Robotics
- CLIP
- Reinforcement Learning
- VLM
- BLIP
Возможные вопросы на собеседовании
Проверка фундаментальных знаний в управлении роботами.
Как вы подходите к решению проблемы расхождения между симуляцией и реальностью (Sim-to-Real gap) при обучении RL-агентов для манипуляторов?
Оценка опыта работы с современными архитектурами, указанными в вакансии.
В чем заключаются основные архитектурные отличия между RT-1 и RT-2, и какие преимущества дает использование Vision-Language-Action моделей в задачах планирования?
Проверка понимания физических ограничений систем.
Как вы интегрируете ограничения кинематики и динамики робота в функцию вознаграждения (reward function) или архитектуру нейросети?
Оценка навыков работы с данными и мультимодальностью.
Какие стратегии аугментации данных наиболее эффективны при обучении мультимодальных моделей (VLM) для задач робототехники?
Проверка практического опыта отладки сложных систем.
