Разработчик (КШ)

Разработка алгоритмов манипуляции:

- Реализация и интеграция алгоритмов для планирования траекторий, захвата объектов (motion planning, grasp planning) и управления манипуляторами.

Разработка ПО для компьютерного зрения:

- Создание, интеграция и оптимизация алгоритмов CV для задач детекции, сегментации, классификации объектов и оценки их позы (6D pose estimation).

Интеграция и сопровождение ML-моделей:

- Интеграция готовых ML-моделей (в т.ч. из смежных задач RL) в общую программную архитектуру робота. Сопровождение и оптимизация их работы.

Разработка в ROS 2:

- Создание нод, топиков, сервисов и экшенов для обеспечения связи между модулями управления, восприятия и исполнительными системами.

Высокопроизводительные вычисления:

- Оптимизация критичных к производительности модулей (например, обработка облаков точек) с использованием C++.

Работа с данными:

- Сбор, обработка и анализ данных с датчиков (камеры, лидары) для отладки и улучшения алгоритмов.

Участие в полном цикле разработки:

- Сбор, обработка и анализ до развертывания, тестирования и поддержки кода на реальных роботах.

Наш стек технологий:

- Основные языки: C++ (17/20), Python 3.x.

- Робототехнические фреймворки: ROS 2 (Humble/Iron), OpenCV, PCL (Point Cloud Library), MoveIt 2;

- ML/Инструменты: PyTorch (для интеграции/дообучения моделей), ONNX, TensorRT;

- Симуляция: Isaac Sim, Gazebo;

- Инструменты: Docker, Git, Linux, CI/CD (GitLab CI/Jenkins);

- Сенсоры: Камеры (RGB-D, стерео), лидары, тактильные сенсоры.

Требования:

- Опыт коммерческой разработки на Python от 2 лет;

- Практический опыт разработки в ROS 2;

- Опыт работы с Computer Vision (OpenCV или другие фреймворки) для решения прикладных задач: детекция, сегментация, работа с облаками точек;

- Понимание основ робототехники: кинематика манипуляторов, системы координат (TF);

- Уверенная работа в ОС Linux и с системой контроля версий Git;

- Базовое понимание принципов машинного обучения (что такое модель, инференс, данные для обучения) и готовность работать с интегрированными ML-моделями;

- Умение писать чистый, поддерживаемый код и работать в команде;

- Способность самостоятельно выполнять поставленные задачи в рамках проекта.

- Опыт разработки на C++ для высокопроизводительных модулей;

- Опыт работы с фреймворками для манипуляции (MoveIt 2);

- Опыт работы в симуляторах Isaac Sim или Gazebo;

- Знакомство с инструментами для оптимизации и развертывания ML-моделей (ONNX, TensorRT);

- Базовый опыт или курсы по Machine Learning/Deep Learning;

- Участие в проектах, связанных с автономными системами или манипуляциями;

- Личные проекты в области робототехники (например, участие в RoboCup, собственные ROS-проекты).