Royaume-Uni
NVIDIA
Humanoid
Ingénieur Deep Learning - World Models
Royaume-Uni
London, England, United Kingdom
Python
Traduction automatique. Consultez l’original.
Notre mission
Chez Humanoid, nous croyons en un avenir où les robots amplifient le potentiel humain. C'est pourquoi nous nous sommes donné pour mission de construire les robots les plus performants, commercialement évolutifs et sûrs au monde. Nous concrétisons cette mission avec le HMND‑01, notre plateforme robotique développée rapidement et déployée dans des environnements industriels réels, et nous agrandissons l'équipe pour aller encore plus loin.
Chez Humanoid, nous nous efforçons de créer les robots les plus avancés, sûrs et commercialement évolutifs au monde, qui s'intègrent parfaitement à la vie quotidienne et amplifient les capacités humaines.
À propos du poste
En tant qu'ingénieur de recherche au sein de l'équipe Modèles de monde, vous concevrez des modèles génératifs conditionnés par l'action qui prédisent l'évolution de l'environnement autour de nos robots — futures vidéos, proprioception, contacts et résultats — à partir d'observations et d'actions passées. Les modèles de monde remplissent quatre fonctions dans notre pile technologique : un a priori pré-entraîné et conscient de la physique pour nos politiques VLA ; un moteur pour la collecte de données rares, le transfert inter-plateformes et le transfert sim-to-real ; un banc d'essai pour l'évaluation et le test des politiques avant le déploiement matériel ; et un moteur de déploiement de prédictions futures qui révèle les intentions de nos politiques, pour la sécurité et la planification. Il s'agit d'un rôle opérationnel de contributeur individuel : vous concevrez des architectures, exécuterez des tâches d'entraînement à grande échelle et validerez vos modèles par rapport aux données réelles de la flotte issues de déploiements industriels.
Vos missions
- Concevoir et entraîner des modèles de monde multimodaux — vidéo, état, action et langage — en utilisant des architectures basées sur la diffusion et les transformers.
- Construire des modèles de prédiction vidéo et de dynamique conditionnés par l'action qui restent physiquement cohérents sur de longs horizons, y compris pour la manipulation riche en contacts, et servir d'a priori pré-entraînés pour les politiques VLA.
- Développer une évaluation par simulateur appris : noter les politiques candidates hors ligne, prédire les taux de réussite dans le monde réel avant le déploiement et simuler les futurs des politiques pour exposer les comportements prévus à des fins de révision de sécurité et de planification.
- Générer des déploiements synthétiques et des expériences contrefactuelles — incluant des événements rares, le transfert inter-plateformes et le transfert sim-to-real — pour augmenter l'entraînement des politiques et mesurer leur effet sur la performance des tâches en aval.
- Établir des métriques de fidélité et des protocoles de calibration qui quantifient les domaines où le modèle de monde est fiable et ceux où il diverge de la réalité.
- Construire des pipelines de données qui transforment la télémétrie de la flotte, les journaux de téléopération et les vidéos à l'échelle d'Internet en corpus d'entraînement pour les modèles de monde.
- Exécuter des études de mise à l'échelle et d'ablation sur l'architecture, le mélange de données et la longueur du contexte ; communiquer les résultats de manière claire.
- Collaborer avec les équipes de pré-entraînement, RL et manipulation pour intégrer les modèles de monde dans les boucles d'entraînement et d'évaluation des politiques.
Profil recherché
- Une expérience avérée dans l'entraînement de grands modèles génératifs — vidéo, monde ou multimodaux — avec des modèles déployés ou des travaux publiés pour en témoigner.
- Une expérience pratique approfondie des architectures génératives modernes : modèles de diffusion, transformers autorégressifs, modèles à variables latentes ou prédiction vidéo.
- Expérience de l'entraînement distribué à grande échelle : streaming de jeux de données, gestion des points de contrôle et de l'état, débogage des aspects numériques et des instabilités d'entraînement.
- Maîtrise solide de Python + PyTorch/JAX ; vous savez profiler les noyaux, optimiser les chargeurs de données et écrire du code de recherche maintenable.
- Rigueur empirique : vous concevez des évaluations minutieuses, exécutez des bases de référence honnêtes et documentez clairement vos expériences.
- Enthousiasme à l'idée d'ancrer les modèles génératifs dans la réalité physique plutôt que dans les seuls pixels.
Les plus
- Expérience avec les modèles de monde pour la robotique ou la conduite autonome (par exemple, modèles vidéo conditionnés par l'action, simulateurs appris, RL basé sur un modèle).
- Familiarité avec les simulateurs de robotique (Isaac Sim, MuJoCo) et les considérations liées au transfert sim-to-real.
- Expérience de l'utilisation de modèles de monde pour l'évaluation de politiques ou la génération de données synthétiques à grande échelle.
- Publications dans des conférences de premier plan en deep learning (NeurIPS, ICML, ICLR, CoRL, CVPR) ou contributions open-source équivalentes.
- Expérience dans l'optimisation de modèles génératifs pour une inférence rapide.
Ce que nous offrons
- Participation au capital compétitive : options d'achat d'actions avec un potentiel de gain significatif à mesure que nous nous développons.
- 30+ jours de congés payés, incluant 23 jours de congés annuels, tous les jours fériés au Royaume-Uni, et des jours de fermeture d'entreprise supplémentaires (incluant la fermeture entre Noël et le Nouvel An).
- Assurance santé privée, incluant des soins virtuels et en personne.
- Régime de retraite avec une contribution totale de 8% (5% part employé, 3% part employeur) sur la rémunération totale.
- Petit-déjeuner quotidien gratuit, déjeuner pris en charge et collations au bureau.
- Travaillez à la pointe de la technologie : collaborez quotidiennement avec des ingénieurs, des chercheurs et des experts produits de classe mondiale qui construisent la prochaine génération d'IA et de robotique.
- Responsabilité réelle - accès direct à la direction fondatrice, contribution significative à l'orientation produit et capacité à piloter des initiatives clés dès le premier jour.
Plus d’opportunités avec un seul profil
Vous souhaitez accéder à plus de postes sans répéter tout le processus ? Créez votre profil pour être trouvé par les entreprises utilisant Nort.
Créer mon profil