Разработчик на С++ в команду калибровок автономного транспорта
Summary
Develops and scales calibration monitoring systems for autonomous vehicle fleets, processing sensor data at scale using C++ and Python to ensure fleet-wide sensor accuracy.
Наша команда занимается созданием процедур калибровки сенсоров во время сборки и техобслуживания автономных автомобилей. Вам предстоит улучшать и масштабировать механизмы поддержания скалиброванности во время эксплуатации и систему её мониторинга.Улучшение и масштабирование системы мониторинга скалиброванности флота
Флот автономного транспорта продолжает расти экспоненциально, а каждый автономный автомобиль присылает гигабайты сенсорных данных в минуту. Чтобы удерживать весь флот в скалиброванном состоянии, эти данные нужно непрерывно обрабатывать на кластере: отбирать пригодные участки проездов, запускать тяжёлые алгоритмы и собирать метрики скалиброванности по каждому автомобилю и по флоту в целом. Вы будете развивать эту систему: повышать пропускную способность и отказоустойчивость пайплайнов и масштабировать инфраструктуру под растущий флот. Инструменты диагностики раскалибровки
Когда метрики показывают, что с калибровкой автомобиля что-то не так, нужно быстро понять причину: сбой сенсора, неудачный проезд или деградация самого алгоритма. Для этого команде и инженерам эксплуатации нужны удобные инструменты диагностики и визуализации. Вы будете развивать эти инструменты: строить дашборды для анализа и разбора отдельных раскалибровок. Автоматическая докалибровка сенсоров во время эксплуатации
Основная задача: вернуть сенсоры в скалиброванное состояние автоматически, не отправляя автомобиль на техобслуживание. В отличие от заводской калибровки, докалибровка работает на данных из реальных проездов, в неконтролируемых условиях, с шумами и выбросами. Необходимо повышать точность и устойчивость применения докалибровки, бороться с накоплением дрифта из-за систематических вычислительных ошибок. Больше о бэкенде в Яндексе — в канале Yandex for Backend* Пишете на Python и С++ * Знаете классические алгоритмы и структуры данных * Готовы разбираться в сложной предметной области * Настраивали облачные пайплайны обработки данных* Работали с высоконагруженными системами обработки больших данных * Знакомы с инфраструктурой Яндекса: YT, YQL, Nirvana, Monium
Флот автономного транспорта продолжает расти экспоненциально, а каждый автономный автомобиль присылает гигабайты сенсорных данных в минуту. Чтобы удерживать весь флот в скалиброванном состоянии, эти данные нужно непрерывно обрабатывать на кластере: отбирать пригодные участки проездов, запускать тяжёлые алгоритмы и собирать метрики скалиброванности по каждому автомобилю и по флоту в целом. Вы будете развивать эту систему: повышать пропускную способность и отказоустойчивость пайплайнов и масштабировать инфраструктуру под растущий флот. Инструменты диагностики раскалибровки
Когда метрики показывают, что с калибровкой автомобиля что-то не так, нужно быстро понять причину: сбой сенсора, неудачный проезд или деградация самого алгоритма. Для этого команде и инженерам эксплуатации нужны удобные инструменты диагностики и визуализации. Вы будете развивать эти инструменты: строить дашборды для анализа и разбора отдельных раскалибровок. Автоматическая докалибровка сенсоров во время эксплуатации
Основная задача: вернуть сенсоры в скалиброванное состояние автоматически, не отправляя автомобиль на техобслуживание. В отличие от заводской калибровки, докалибровка работает на данных из реальных проездов, в неконтролируемых условиях, с шумами и выбросами. Необходимо повышать точность и устойчивость применения докалибровки, бороться с накоплением дрифта из-за систематических вычислительных ошибок. Больше о бэкенде в Яндексе — в канале Yandex for Backend* Пишете на Python и С++ * Знаете классические алгоритмы и структуры данных * Готовы разбираться в сложной предметной области * Настраивали облачные пайплайны обработки данных* Работали с высоконагруженными системами обработки больших данных * Знакомы с инфраструктурой Яндекса: YT, YQL, Nirvana, Monium