- Страна
- Великобритания
- Зарплата
- 150 000 € – 230 000 €
Откликайтесь
на вакансии с ИИ

Senior VLA Pre-training Engineer
Исключительная вакансия в передовом стартапе с реальным продуктом и огромным объемом предзаказов. Высокая зарплата, релокационный пакет и возможность работать с физическими роботами делают это предложение топовым для AI-инженеров.
Сложность вакансии
Высокая сложность обусловлена необходимостью глубоких знаний на стыке LLM/VLM и робототехники, а также опытом работы с распределенным обучением и симуляторами (MuJoCo, Isaac Sim). Требуется Senior-уровень (5+ лет) и готовность к работе 100% в офисе в Лондоне.
Анализ зарплаты
Предложенная зарплата (£150k–£230k) находится на верхнем уровне рынка Лондона для Senior AI ролей, значительно превышая средние показатели для обычных ML-инженеров за счет узкой специализации в робототехнике.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом

Откликнитесь уже сейчас
Отправьте краткое описание вашего опыта в VLA и распределенном обучении Валерии в Telegram, чтобы стать частью будущего индустриальной робототехники.
Описание вакансии
#AI #VLA #Robotics #DeepLearning #Research #Relocation #London #Senior
*🤖 Senior VLA Pre-training Engineer*
We're hiring for a team building the brain of the next generation of industrial humanoid robots.
*🔬 The Project*
Our client is a fast-growing humanoid robotics startup building robots for real industrial environments: manufacturing, logistics, warehouses, large-scale physical operations. Not research-only - they already have 30,000 pre-orders globally, signed contracts with a major European industrial manufacturer and successful pilots with global engineering leaders in automotive and industrial automation.
The VLA (Vision-Language-Action) team is responsible for the core intelligence: how the robot perceives the world, understands instructions, learns new skills, and executes manipulation tasks autonomously.
*🧠 Your Role*
As a Senior VLA Pre-training Engineer, you'll own the full lifecycle of foundation models for robotic behavior:
- Pre-training and fine-tuning VLA models on large-scale multimodal datasets;
- Building and maintaining data pipelines: collection, curation, synthetic data generation;
- Designing distributed training infrastructure;
- Sim-to-real transfer: validating policies in simulation before real-world deployment;
- Working closely with simulation engineers, data scientists, and embedded teams;
- Shipping models that directly power real robots in production.
*🛠 What We're Looking For*
- 5+ years building deep learning systems (industry or research) with shipped models or published work;
- Hands-on with LLMs, VLMs, or VLA models - architecture, training, fine-tuning;
- Large-scale distributed training: PyTorch DDP, data pipelines, checkpointing;
- Experience with robotics simulators (MuJoCo, Isaac Sim, Gazebo) or real robotic systems;
- Strong Python + PyTorch/JAX; you can debug numerics and write production code;
- Self-driven, proactive, communicates clearly.
Nice to have:
Robotics background, sim-to-real experience, OpenVLA or similar VLA frameworks
*💰 What's Offered*
Compensation: £150,000 – £230,000 gross/year, based on experience
London, 100% onsite - daily access to robots, labs, and prototypes
Relocation support: up to £8,000 + Skilled Worker Visa sponsorship
Benefits: private healthcare, pension (8%), 23 days PTO, equity
*📩 Interested?*
DM Откликнуться with 3–5 lines about your VLA/LLM pre-training experience, distributed training scale, and robotics background. We move fast.
Создайте идеальное резюме с помощью ИИ-агента

Навыки
- Python
- PyTorch
- JAX
- Deep Learning
- LLM
- VLM
- VLA
- Distributed Training
- MuJoCo
- Isaac Sim
- Gazebo
- Sim-to-Real
- Robotics
Возможные вопросы на собеседовании
Проверка практического опыта работы с архитектурами, объединяющими зрение, текст и действия.
Расскажите о вашем опыте работы с VLA-моделями: какие архитектуры вы использовали и как решали проблему токенизации действий (action tokenization)?
Важно для работы с огромными датасетами, упомянутыми в вакансии.
С какими трудностями вы сталкивались при масштабировании обучения до сотен GPU и как оптимизировали пропускную способность данных в PyTorch?
Критический навык для робототехники, где данные из реального мира дороги.
Какие методы аугментации данных или генерации синтетических данных вы считаете наиболее эффективными для сокращения разрыва между симуляцией и реальностью (sim-to-real gap)?
Проверка инженерных навыков в контексте робототехники.
Как вы подходите к отладке численной нестабильности при обучении политик управления роботом в симуляторах типа MuJoCo?
Оценка способности работать в междисциплинарной команде.
Опишите случай, когда вам приходилось оптимизировать модель под ограничения встраиваемых систем (embedded) без значительной потери качества предсказаний.
Похожие вакансии
Python-разработчик (AI)
Middle/Senior AI-разработчик
Старший LLM-разработчик в сервис Нейроюрист
Python-разработчик в команду LLM платформы
AI/LLM Инженер
AI Harness Engineer / ML Engineer
1000+ офферов получено
Устали искать работу? Мы найдём её за вас
Quick Offer улучшит ваше резюме, подберёт лучшие вакансии и откликнется за вас. Результат — в 3 раза больше приглашений на собеседования и никакой рутины!