RSE-разработчик КШ

- Имплементация и адаптация алгоритмов манипуляции и навигации: внедрение, настройка и доработка готовых решений для планирования траекторий (Motion Planning), обхода препятствий, захвата объектов (Grasp Planning) и управления манипуляторами в связке с системами технического зрения;
- Интеграция ПО компьютерного зрения: встраивание и оптимизация предобученных моделей и классических CV-алгоритмов для решения прикладных задач: детекция, сегментация, классификация объектов, оценка 6D-позы. Задача — взять работающий прототип модели и интегрировать его в робототехнический стек с гарантированной производительностью;
- Сопровождение ML-моделей (ML-Ops на борту робота): упаковка моделей в продакшен (ONNX/TensorRT), обеспечение эффективного инференса на бортовых вычислителях, мониторинг корректности работы моделей на роботе;
- Разработка связующего ПО на ROS 2: создание
и конфигурирование нод, топиков, сервисов и экшенов как единой нервной системы робота, соединяющей модули управления, восприятия и приводы;
- Высокопроизводительная обработка данных:
оптимизация критичных к скорости модулей (например, фильтрация и сегментация облаков точек с лидаров/Depth-камер) с использованием C++ для достижения показателей реального времени;
- Работа с данными: сбор, разметка и предобработка данных с сенсоров (RGB-D камеры, лидары, тактильные сенсоры) для дообучения и тонкой настройки интегрируемых моделей;
- Полный цикл интеграции: от запуска в симуляторе
и отладки прототипа до развертывания, полевых испытаний и поддержки кода на реальных роботах.

- От 2 лет коммерческого опыта в разработке
на C++, включая оптимизацию кода и многопоточность;
- Практический опыт интеграции систем
в ROS 2 (создание кастомных нод, работа с экшенами, лонч-файлы);
- Уверенное решение прикладных задач Computer
Vision с использованием OpenCV, понимание, как подобрать детектор/сегментатор под задачу и "прикрутить" его к роботу;
- Опыт работы с трехмерными данными:
облака точек (PCL) или RGB-D изображения;
- Понимание и опыт применения на практике основ робототехники: прямой/обратной кинематики, работа с системами координат (TF2);
- Уверенная работа в ОС Linux (на уровне продвинутого пользователя) и владение Git;
- Практический опыт упаковки и запуска
ML-моделей (понимание, что такое ONNX/TensorRT, умение замерить скорость инференса и написать эффективный пайплайн предобработки данных).
- Умение писать чистый, модульный, хорошо
документированный код.

Желательно:

- Опыт работы с MoveIt 2, CuRobo (настройка кинематики, коллизий, интеграция с реальными роботами и симуляторами);
- Опыт работы с Navigation 2 (Nav2), Autoware;
- Опыт запуска и отладки роботов в симуляторах
Isaac Sim или Gazebo;
- Понимание архитектур нейронных сетей (YOLO,
PointNet, EfficientNet) и принципов Transfer Learning на уровне, достаточном для дообучения моделей под свою задачу.