Estados Unidos
Retym
Waymo
Estagiário de Verão 2027, PhD, Machine Learning - Simulação e Treinamento em Circuito Fechado
Estados Unidos
Mountain View, California, United States
PythonC++
Tradução automática. Consulte o original.
Sobre a oportunidade
A Waymo é uma empresa de tecnologia de direção autônoma com a missão de ser o motorista mais confiável do mundo. Desde o seu início como o Projeto de Carro Autônomo do Google em 2009, a Waymo tem se concentrado em construir o Waymo Driver — O Motorista Mais Experiente do Mundo™ — para melhorar o acesso à mobilidade enquanto salva milhares de vidas atualmente perdidas em acidentes de trânsito. O Waymo Driver impulsiona o serviço de transporte autônomo da Waymo e também pode ser aplicado a uma variedade de plataformas de veículos e casos de uso de produtos. O Waymo Driver já realizou mais de dez milhões de viagens apenas com passageiros, possibilitado por sua experiência de direção autônoma por mais de 100 milhões de milhas em vias públicas e dezenas de bilhões em simulação em mais de 15 estados dos EUA.
A Engenharia de Software constrói o cérebro da tecnologia de direção totalmente autônoma da Waymo. Nosso software permite que o Waymo Driver perceba o mundo ao seu redor, tome a decisão certa para cada situação e leve as pessoas com segurança aos seus destinos. Pensamos profundamente e resolvemos desafios técnicos complexos em áreas como robótica, percepção, tomada de decisão e deep learning, enquanto colaboramos com engenheiros de hardware e sistemas. Se você é um engenheiro de software ou pesquisador curioso e apaixonado por direção autônoma de Nível 4, gostaríamos de conhecê-lo.
Os estagiários da Waymo fazem parceria com líderes do setor em projetos que geram impacto para a empresa. Acreditamos que o aprendizado é uma via de mão dupla: aplicar seu conhecimento enquanto oferecemos oportunidades para expandir seu conjunto de habilidades. Os estagiários são uma parte importante da nossa cultura e do nosso pipeline de recrutamento. Junte-se a nós na Waymo para um estágio divertido e gratificante!
Você irá
- Projetar, implementar e escalar algoritmos de pós-treinamento e destilação de Aprendizado por Reforço (como otimização de política de fluxo ou difusão, amostragem de importância fora da política e RL multiobjetivo restrito) para modelos de mundo fundamentais em simulação e direção autônoma
- Desenvolver modelos de recompensa aprendidos, críticos de realismo e discriminadores dentro de um simulador multiagente de circuito fechado para alinhar o comportamento do agente simulado e da direção com o realismo e a segurança da direção humana
- Executar estudos de ablação rigorosos em circuito fechado em clusters de TPU de grande escala — aproveitando fluxos de trabalho de pesquisa automática de agentes e métricas de comportamento de direção em escala de frota (como progresso na rota, conforto na frenagem, estabilidade lateral e seleção de faixa) — para mitigar a exploração do simulador e o desvio de distribuição
- Escrever código JAX limpo, modular e bem testado em bases de código principais de simulação e direção autônoma, colaborando estreitamente com pesquisadores e engenheiros em equipes de simulação, modelagem de mundo e direção autônoma
Você tem
- Cursando atualmente um PhD em Ciência da Computação, Machine Learning, Robótica ou área técnica relacionada, com data de graduação prevista entre dezembro de 2027 e agosto de 2028 (retornando a um programa de graduação por pelo menos um período acadêmico após o estágio)
- Fluência em Implementação Principal (Obrigatório): Fortes habilidades de implementação e depuração de tensores em Python e JAX/Flax ou PyTorch, com experiência prática no treinamento e modificação de arquiteturas neurais modernas (como Transformers, modelos de Difusão/Fluxo ou redes de RL profunda)
- Profunda experiência em pesquisa em (a) Aprendizado por Reforço e Pós-Treinamento (experiência prática de pesquisa em métodos de gradiente de política como PPO/GRPO/REINFORCE, RL fora da política ou offline como amostragem de importância/AWR/DPO, MDPs restritos, RL inverso ou modelagem de recompensa e crítica aprendida) OU (b) Modelagem Generativa de Mundo, Sequência ou Trajetória (experiência prática de pesquisa em correspondência de fluxo contínuo / Fluxos Retificados, políticas de difusão baseadas em pontuação como DDPO/DPPO/Diffuser ou modelos de mundo e trajetória autorregressivos espaço-temporais), com familiaridade de trabalho na outra área
Preferimos
- Publicações como primeiro autor em locais de ponta de machine learning ou robótica (por exemplo, NeurIPS, ICML, ICLR, CVPR, CoRL, RSS, ICRA ou locais equivalentes) em pós-treinamento de RL, otimização de política de fluxo/difusão, modelos de mundo generativos ou direção autônoma
- Experiência com simulação multiagente em circuito fechado, transferência Sim2Real ou mitigação de hack de recompensa (por exemplo, Waymax, WOMD, NuPlan, IsaacGym/MuJoCo, geração de tráfego adversário ou estabilização de discriminador)
- Experiência em perfilamento e escalonamento de cargas de trabalho de treinamento distribuído em TPUs ou GPUs de múltiplos nós (como compilação XLA, rollouts vetorizados em lote e otimização de memória) e familiaridade com interfaces C++/Python
Nota: Esta será uma posição de estágio híbrida presencial. Aceitaremos currículos em fluxo contínuo até que a vaga seja preenchida. Para ser considerado para várias funções, você precisará se candidatar a cada uma individualmente - por favor, candidate-se às 3 funções principais nas quais você tem interesse.
A taxa horária esperada para esta posição de tempo integral está listada abaixo. Os estagiários também são elegíveis para participar dos generosos programas de benefícios da Empresa, sujeitos aos requisitos de elegibilidade.
Pagamento por hora para PhD $85—$85 USD
Mais oportunidades com um só perfil
Quer aparecer para várias vagas sem repetir todo o processo? Crie seu perfil e seja encontrado pelas empresas que usam a Nort.
Criar meu perfil