Разработчик алгоритмов управления в команду Control
Автономная технология
- Москва
- Продолжительность рабочего дня может меняться
- Гибкий график
- Офис
Navio — разработчик технологии автономного вождения, совместимой с различными видами транспорта: от легковых автомобилей до грузовиков.
Navio объединяет культуру автопроизводителей и IT-компаний. Больше 800 специалистов каждый день работают над тем, чтобы доставка грузов стала быстрее и эффективнее, а городской транспорт — безопаснее и комфортнее.
Ключевое направление работы Navio — создание универсальной автономной технологии, включающей Software и Hardware компоненты, R&D, уникальный процесс тестирования и экосистему сервисов для обработки данных и управления автономным флотом автомобилей.
О команде:
Команда Control отвечает непосредственно за управление автономным автомобилем. Управляет рулевой, тормозной системой, двигателем, светотехникой автомобиля и прочими системами. Наша задача сделать так, чтобы автомобиль ехал по заданному маршруту с минимальным отклонением от него. Наш софт работает на современных микроконтроллерах, и мы не ограничиваем себя возможностями языка C++, за исключением использования динамического выделения памяти.
Чем предстоит заниматься:
- Развивать алгоритмы системы управления автономного транспортного средства;
- Улучшать качество алгоритмической и кодовой базы;
- Развивать внутреннюю архитектуру компонента Control;
- Участвовать в проведении code review;
- Разрабатывать новые функциональные возможности, в том числе в сотрудничестве со смежными командами;
- Писать модульные тесты (unit tests);
- Тестировать программное обеспечение на транспортном средстве, в том числе с выездом на полигоны и тестовые локации;
- Участвовать в обсуждении текущих и перспективных подходов к разработке.
Что мы ждем от кандидата:
Навыки:
- математический анализ;
- линейная алгебра;
- численные методы оптимизации (LP, QP, NLP, SQP, SDP);
- задачи регрессии и регуляризация (LS, NLS, SVM, elastic net, sparse & robust regression);
- дифференциальные уравнения (численные методы, дискретизация, моделирование динамических систем, жесткие системы, подстройка гиперпараметров, работа с реальными данными).
Знания по теории управления:
- устойчивость;
- управляемость;
- принцип обратной связи;
- feedforward;
- PID;
- LQR;
- MPC.
Навыки и знания работы с Big Data:
- PCA;
- предобработка данных;
- обучение рекуррентных сетей;
- Physics-Informed Neural Networks (PINNs).
Практические навыки работы:
- C++;
- Python & Jupyter Notebook (Torch, Scipy, cvxpy, CasADi, Acados, JAX);
- инфографика.
Мы заботимся о сотрудниках с первого рабочего дня и предлагаем вам:
Как присоединиться к команде

1
2
3
4