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

• **Ключевые технологии:**

• 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.

• 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.

• 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.