Ingénieur·e en apprentissage automatique, II — Modèle de scène (Perception

À propos de l’entreprise

À Torc, nous avons toujours cru que la technologie des véhicules autonomes transformera la façon dont nous voyageons, transportons la marchandise et faisons des affaires.

Leader de la conduite autonome depuis 2007, Torc a passé plus d’une décennie à commercialiser des solutions aux côtés de partenaires chevronnés. Nous faisons maintenant partie de la famille Daimler, ce qui nous permet de nous concentrer uniquement sur le développement de logiciels pour les camions automatisés. Nous transformerons la façon dont le monde transporte la marchandise.

Joignez-vous à notre équipe : catapultez votre carrière au sein de l’entreprise ayant contribué à créer la technologie de conduite autonome (CA). Nous sommes la première entreprise de logiciels de CA ayant eu la vision de faire équipe directement avec un constructeur de camions.

La connaissance de l’anglais est exigée puisque la personne retenue devra collaborer de façon journalière avec des collègues anglophones aux États-Unis et travailler avec la documentation technique rédigée uniquement en anglais.

Rencontrez l’équipe

Comme Ingénieur·e en apprentissage automatique, II - Modèle de scène, vous contribuerez au développement et au déploiement de modèles d’apprentissage automatique qui permettent aux camions autonomes de comprendre leur environnement. Notre équipe travaille sur la conception de systèmes de perception multimodaux en représentation BEV (Bird's-Eye-View). Ceux-ci fusionnent les informations provenant des LiDARs, caméras, radars et cartes pour produire une représentation unifiée de la scène.

En travaillant en étroite collaboration avec les équipes de perception, de prédiction, de planification et d’infrastructure de plateforme, vous contribuerez aux modèles qui détectent les objets, comprennent la structure des routes et génèrent des représentations spatio-temporelles utilisées par les systèmes de conduite autonome en aval.

Ce poste consiste à développer et améliorer les modèles d’apprentissage profond, les pipelines d’entraînement et les flux de travail des données qui favorisent la compréhension au sein de la pile d’autonomie.

Ce que vous ferez

• Développer et entraîner les modèles d’apprentissage automatique pour la compréhension de scènes, ce qui comprend des tâches comme la détection d’objet, la prédiction de route et de voie, la classification de grille par voxel sémantique, la prédiction d’occupation et la compréhension de cartes dans un espace BEV.

• Mettre en œuvre un code d’AA de qualité production afin d’appuyer l’entraînement, l’évaluation et l’inférence de modèles au sein de la pile de perception.

• Analyser le rendement de modèles, identifier les modes d’échec et proposer des améliorations afin d’augmenter la robustesse à travers différents environnements et diverses conditions de conduite.

• Identifier et interpréter les objets, les voies, les obstacles et les conditions météorologiques dans l’environnement de conduite.

• Appliquer des techniques de la science des données pour analyser le rendement des modèles, comprendre les distributions de données et identifier les « corner cases ».

• Contribuer aux systèmes de perception multimodaux, en combinant les signaux provenant des LiDARs, caméras, radars et cartes dans des représentations unifiées des scènes.

• Travailler avec des ensembles de données à grande échelle provenant des simulations, des registres de flotte et des véhicules afin d’organiser les données d’entraînement et d’améliorer le rendement des modèles.

• Collaborer avec les équipes des données, du déploiement et de l’infrastructure afin d’évaluer les modèles de perception et d’assurer un rendement fiable lors de scénarios de conduite dans le monde réel.

• Aider à intégrer les modèles de perception à la pile d’autonomie et tester les pipelines, permettant ainsi une expérimentation et une itération plus rapides.

• Contribuer aux outils et à l’infrastructure qui améliorent l’efficacité de l’entraînement, le suivi de l’expérimentation et la répétabilité.

• Participer aux discussions techniques par rapport aux architectures de modèles, aux stratégies de fusion de capteurs et aux approches d’entraînement au sein de l’équipe.

Ce dont vous aurez besoin pour réussir

• Baccalauréat en informatique, robotique, génie électrique, apprentissage automatique ou autre domaine technique connexe avec au moins 4 ans dans le milieu ou une maîtrise avec au moins 2 ans d’expérience.

• Grande compréhension de la vision par ordinateur et des notions de base de l’apprentissage automatique.

• Expérience en application de techniques d’apprentissage automatique, comme l’apprentissage par imitation, l’apprentissage par renforcement ou la modélisation par séquence, à la robotique, aux systèmes autonomes ou aux environnements de contrôle complexes.

• Compétences robustes en programmation Python et PyTorch, avec de l’expérience en codage d’AA de qualité production.

• Expérience en entraînement et évaluation de modèles d’apprentissage automatique à l’aide de grands ensembles de données et d’environnements informatiques adaptatifs.

• Compréhension des architectures d’AA utilisées dans les systèmes de conduite autonome, comme les transformateurs, les réseaux neuronaux graphiques ou les modèles par séquence.

• Expérience en débogage du comportement des modèles, en analyse des données métriques de rendement et en itération sur les pipelines d’entraînement.

• Capacité à collaborer avec des équipes pluridisciplinaires afin d’intégrer les modèles d’AA à de plus grands systèmes logiciels.

• Bon niveau de compétences en communication technique, écrite et verbale.

• Esprit d’équipe positif.

Points bonus

• Doctorat en apprentissage automatique ou science des données.

• Expérience de travail en conduite autonome, en robotique ou dans des environnements d’apprentissage par simulation.

• Expérience avec les cadres d’apprentissage distribué ou l’infrastructure d’AA à grande échelle (par ex., Ray, Anyscale).

• Expérience de travail dans des environnements de simulation ou des ensembles de données de comportements à grande échelle.

• Familiarité avec la dynamique du véhicule, la planification des mouvements ou des systèmes de prise de décision multiagent.

• Expérience en déploiement de modèles d’AA dans les systèmes robotiques en temps réel ou de production.

• Expérience avec la fusion de capteurs multimodaux, dont les LiDARs, caméras, radars ou cartes.

• Expérience de travail avec les représentations BEV, les grilles d’occupation ou les représentants de scènes 3D.

Avantages d’être un employé à temps plein Torc’r

Torc se soucie de ses membres d'équipe et s'efforce de fournir des avantages et des ressources pour soutenir leur santé, leur équilibre entre vie professionnelle et vie personnelle, ainsi que leur avenir. Notre culture est collaborative, dynamique et axée sur le travail d'équipe. Torc offre:

• Un programme de rémunération concurrentiel incluant un volet de primes et des options d’achat d’actions

• Une couverture médicale, dentaire et de la vue pour les employés à temps plein

• Un régime d’épargne-retraite (REER) avec une contribution de l’employeur de 4 %

• Une subvention pour le transport en commun (uniquement dans la région de Montréal)

• Une flexibilité des horaires et des vacances payées généreuses

• Des fermetures de bureau pendant les congés fériés à l’échelle de l’entreprise

• Une assurance-vie

À Torc, nous nous engageons à cultiver un milieu de travail diversifié et inclusif. Nous célébrons l’unicité de chaque membre de l’équipe de Torc. Nous ne faisons pas de discrimination par rapport à l’origine ethnique, la religion, la couleur de peau, la nationalité, le genre (y compris la grossesse, les enfants ou autre condition médicale), l’orientation sexuelle, l’identité de genre, l’expression de genre, l’âge, le statut de vétéran ou les handicaps.

Même si vous ne répondez pas à 100 % des qualifications énumérées pour ce poste, nous vous invitons à postuler.

Notre rémunération reflète le coût de la main-d'œuvre sur plusieurs marchés géographiques. Le salaire est déterminé en fonction d'un certain nombre de facteurs et peut varier en fonction des connaissances, des compétences et de l'expérience liées au poste. Le programme de rémunération globale de Torc comprend également notre prime corporative et notre régime d’options d’achat d’actions. Selon le poste proposé, des primes d’embauche, des indemnités de relocalisation ou d’autres formes de rémunération peuvent aussi être inclus dans le cadre du programme de rémunération globale, en plus d’une gamme complète d’avantages sociaux, médicaux, financiers et/ou autres.

Numéro de poste: 102517