ML/RL-инженер по мультиагентным системам и роевому управлению / Senior RL - Engineer

В активно развивающийся проект - разработка высокотехнологичных решений для защиты гражданских и промышленных объектов от БПЛА, ищем Инженер по алгоритмам наведения и обучения траекториям / RL - Engineer — Trajectory Learning & Guidance.

Ключевая задача:
Разработать алгоритмы роевых действий перехватчиков: несколько перехватчиков на одну цель, оптимальный выбор перехватчика под тип цели, перераспределение перехватчиков для повышения вероятности роевого перехвата, а также динамическое целераспределение в условиях меняющейся обстановки.

Немного о компании:

• Являемся обособленным подразделением одного из крупнейших застройщиков.
• Стартап, с высокой скоростью развития и интересными задачами.
• В команде нам важна инициативность, готовность брать ответственность, самостоятельно находить решения.

Стек: Python, PyTorch, JAX, Ray/RLlib, Stable Baselines3, ROS 2, Gazebo, Isaac Gym, C++, Docker, GPU-кластер.

Чем предстоит заниматься:

• Разработка и обучение мультиагентных RL-политик (MARL): MAPPO, MADDPG, QMIX, EA-MADDPG.
• Разработка алгоритмов роевого перехвата: распределение ролей (основной, страховочный, разведчик), координация, избегание коллизий.
• Оптимальный выбор перехватчика под тип цели: по дальности ПУ, скорости, ТТХ, вектору подлёта и сектору поражения.
• Динамическое перераспределение перехватчиков при появлении новых целей, отказах и промахах.
• Разработка графовых нейронных сетей (GNN, GAT) для моделирования динамических связей между перехватчиками и целями.
• Разработка иерархических архитектур: стратегическое распределение задач + тактическое управление маневрами.
• Обучение политик для сценариев групповых и роевых атак противника.
• Перенос обученных политик из симуляции на edge-устройства.
• Сотрудничество с GNC-инженером для интеграции роевых поведений с индивидуальным наведением.

Наши ожидания:

• Высшее образование: ML, робототехника, computer science, прикладная математика.
• 5+ лет опыта в multi-agent systems, swarm robotics или distributed AI.
• Глубокое понимание: MDP, теория игр, MARL, иерархическое RL, decentralized control.
• Опыт обучения и деплоя RL-агентов для робототехники или автономных систем.
• Уверенное программирование: Python (PyTorch, JAX, Ray/RLlib), C++.
• Опыт работы с симуляторами (Gazebo, Isaac Gym, PyBullet, AirSim).
• Понимание ограничений edge-вычислений и real-time.
• Опыт переноса моделей из симуляции на реальное железо (sim2real).

Будет плюсом:

• PhD в области RL, мультиагентных систем или робототехники.
• Публикации в top-tier конференциях (NeurIPS, ICML, ICLR, CoRL, AAMAS).
• Опыт в оборонной или аэрокосмической отрасли.
• Опыт с adversarial RL, game theory, minimax.
• Опыт с graph attention networks для task allocation в counter-drone сценариях.
• Знание ROS 2, PX4, MAVLink.
• Опыт работы с GPU-кластерами и MLOps.

Мы предлагаем:

• Оформление по ТК РФ.
• Удаленный формат работы с возможностью выбора начала рабочего дня.
• Конкурентную заработную плату по итогам собеседования.
• Работу с современным оборудованием и вычислительными ресурсами.
• Участие в интересных инженерных задачах, НИОКР и испытаниях.
• Профессиональный рост в сфере БПЛА и ИИ.
• Работу в сильной команде инженеров и разработчиков, где ценятся инициативность, ответственность и техническая экспертиза.