Reinforcement Learning Engineer

В Центре Робототехники Сбера мы строим антропоморфного робота общего назначения. Наш робот вышел из стадии первых демонстраций — и мы переходим к надёжной автономной работе в реальных задачах. Локомоция и управление всем телом (Whole Body Control) — основа этой работы: именно от них зависит, насколько устойчиво и предсказуемо робот движется в реальном мире.

Мы ищем инженера, который разрабатывает, обучает и доводит до робота RL-политики управления всем телом — от постановки задачи в симуляторе до стабильной работы контроллера на железе. Это роль для того, кто хочет видеть результат своих алгоритмов не в метриках на графике, а в том, как робот уверенно идёт, поворачивает и держит равновесие.

Наша команда действительно работает над уникальным проектом в России, а у Вас будет прямой доступ к железу, Вы будете видеть результат своей работы в физическом мире.

Ключевые технологии:

Python, PyTorch, RL (PPO/SAC), MuJoCo/Isaac Sim, ONNX, C++, ROS2.

Обязанности

• разрабатывать, обучать и деплоить RL-политики локомоции и whole body control
• подбирать observations, actions и типы моделей, которые дают максимальную производительность
• находить и закрывать ключевые факторы в sim-to-real gap — добиваться, чтобы политика, обученная в симуляторе, работала на реальном роботе
• определять, измерять и интерпретировать метрики качества обученных политик
• доводить control stack до стабильной и предсказуемой работы в реальных условиях
• настраивать reward-функции, domain randomization и curriculum под конкретные двигательные задачи
• работать в связке с командами интеграции и middleware — доводить политику до надежного исполнения на железе.

Требования

• уверенное владение Python; знание C++ как плюс для интеграции на робота
• опыт применения RL-алгоритмов для робототехники или управления (PPO, SAC и подобные)
• понимание динамики и управления, в идеале — шагающих роботов
• опыт подбора гиперпараметров и cost/reward-функций для RL
• знакомство с типовыми техниками RL: domain randomization, curriculum learning, reward shaping
• опыт работы с симуляторами (MuJoCo, Isaac Sim или аналоги)
• способность самостоятельно разбираться в незнакомых системах и находить корневые причины проблем
• желание брать ответственность за то, что политика работает на роботе, а не только в симуляторе.

Будет плюсом:

• опыт деплоя обученных политик на реальное железо
• опыт с behavior cloning и дистилляцией политик
• понимание основ теории управления, кинематики и динамики шагающих роботов
• опыт работы с middleware робота (ROS2, DDS)
• опыт использования GigaChat, Kandinsky и аналогов в продуктах, навыки создания и использования AI-агентов.

Условия

• комфортный современный офис г. Москва, МЦК ЗИЛ
• формат работы - лаборатория робототехники
• ежегодный пересмотр зарплаты, годовая премия
• корпоративный спортзал и зоны отдыха
• более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
• программа адаптации и помощь руководителя на старте (для вакансий уровня Junior)
• расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа
• гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ
• подписка Прайм с возможностью совместного использования на трёх близких
• вознаграждение за рекомендацию друзей в команду Сбера.