Menlo
Researcher, World Models
- Удалённо
- Singapore, United States
- Полная занятость
- 5 дн. назад
Menlo ищет исследователя для разработки world-моделей, лежащих в основе humanoid-робота Asimov. Вы сможете работать на стыке машинного обучения и робототехники, создавая системы, которые учатся предсказывать и действовать, а не просто запоминать.
О позиции
Menlo — это прикладная R&D лаборатория, создающая открытую платформу humanoid-робота Asimov и полный программный стек. Мы строим всё: от архитектуры железа до автономности, симуляции и инфраструктуры. Наша миссия — сделать humanoid-труд экономически выгодным, превращая программное обеспечение в физическую работу в промышленных масштабах. Вы будете работать в тесной коллаборации с командами платформы, firmware и hardware, реализуя исследования на реальном оборудовании, а не только в бумагах.
Условия
- Работа над real hardware с короткими циклами разработки. Полная самостоятельность в принятии решений по данным и моделям. Возможность опубликовать работы или open-source их для сообщества. Измерение прогресса в недели, а не месяцы. Вклад в развитие humanoid-робототехники с реальным физическим воздействием. Открытая и прозрачная культура с быстрым движением к релизу.
Навыки
- self-supervised learning
- world models
- JEPA
- V-JEPA
- I-JEPA
- diffusion models
- DiT
- flow matching
- VAE
- robotics ML
- VLA
- inverse dynamics
- sim-to-real
- sensor fusion
- vision
- proprioception
- force/torque sensing
- PyTorch
- JAX
- distributed training
Сложность отбора
Высококвалифицированная исследовательская роль с передовыми требованиями в области машинного обучения и робототехники. Требует глубокой экспертизы в world-models и self-supervised learning.
Оценка JobPathЗарплата по рынку
950 000 – 1 800 000 ₽ в месяц
Оценка для ML-исследователя в US-стартапе, пересчитанная в рубли по курсу ~95₽/$. Реальная компенсация может варьироваться в зависимости от опыта, бонусов и equity.
Оценка JobPath по рынку, не предложение работодателяМогут спросить на собеседовании
- Как вы оцениваете trade-offs между JEPA-подходами и альтернативными методами world-modeling для embodied AI?
- Расскажите о вашем опыте самостоятельного построения data pipeline для ML-экспериментов от курирования до масштабирования.
- Какие архитектурные решения вы бы приняли при создании world-модели на стыке vision и proprioception для humanoid-робота?
- Как вы подходите к моделированию результатов, чтобы избежать overfitting и убедиться в обобщении?
- Опишите ваш опыт взаимодействия с hardware-командами при разработке ML-решений для физических систем.
Прорепетировать это собеседование
Голосовой ИИ-интервьюер задаст вопросы под эту вакансию и разберёт каждый ответ.
Начать бесплатноСохрани похожие вакансии
Новые вакансии с такой должностью будут собираться в кабинете.
Сохранить фильтр