Machine Learning Engineer

Au Toyota Research Institute (TRI), nous nous engageons à améliorer la qualité de vie des êtres humains en créant des outils et des technologies innovants qui amplifient l'expérience humaine. Notre équipe de classe mondiale excelle dans les domaines de l'énergie et des matériaux, de l'IA centrée sur l'humain, de la conduite interactive humaine et de la robotique pour mener ce changement transformateur de la mobilité.

Notre mission est de rendre les robots polyvalents une réalité grâce à une IA incarnée à grande échelle.

Nous envisageons un avenir où les robots assistent aux tâches ménagères, à la cuisine, aident les personnes âgées à maintenir leur indépendance et permettent aux gens de s'engager davantage dans les activités qu'ils aiment. Pour y parvenir, notre objectif est de créer des robots qui fonctionnent de manière fiable dans des environnements désordonnés et non structurés. Nous nous consacrons à répondre à la question : « Que faudra-t-il pour créer des robots vraiment polyvalents capables d'une large gamme de tâches dans des environnements domestiques avec une supervision minimale ? » Nous rassemblons de vastes ensembles de données impliquant des interactions physiques provenant de diverses sources, y compris des robots et des humains, et formons de grands modèles génératifs de base en utilisant ces données d'interaction ainsi que des données de langage, vidéo, audio et d'autres modalités riches.

Notre objectif est de révolutionner la manipulation robotique, permettant aux comportements adroits à long terme d'être efficacement enseignés, appris et améliorés au fil du temps dans divers environnements du monde réel. Notre équipe possède une expertise transversale approfondie dans les domaines de la simulation, de la perception, des commandes, du langage, de la vision, de l'apprentissage multimodal et de la modélisation générative. Le succès est mesuré par l'avancement des capacités des robots, et nous soutenons fortement la recherche ouverte. Notre étoile directrice est de réaliser des avancées technologiques fondamentales dans la construction de robots capables de réaliser diverses tâches de manière flexible dans des environnements diversifiés avec une supervision humaine minimale. Rejoignez-nous pour faire des robots polyvalents une réalité.

Nous recherchons un ingénieur en apprentissage automatique motivé, capable de travailler avec de grands systèmes d'apprentissage automatique intégrés. Une expérience avec les robots ou d'autres systèmes incarnés (tels que les véhicules autonomes) est un atout.

Si vous vous retrouvez dans notre mission de révolutionner la robotique grâce à l'apprentissage automatique, contactez-nous et discutons ensemble de la manière dont nous pouvons créer la prochaine génération de robots capables alimentés par l'IA.

Responsabilités

• Collaborer avec des scientifiques de recherche internes et des laboratoires partenaires des meilleures universités académiques (MIT, Stanford, Berkeley, CMU, Columbia, Princeton) pour mener des recherches pionnières.
• Construire, améliorer et consolider des pipelines d'AM intégrés de bout en bout pour la formation de modèles multimodaux (langage, images, vidéo, actions) à grande échelle.
• Former, ajuster et servir des modèles de base pour robots avec une forte mentalité de MLOps.
• Développer des processus pour intégrer les avancées et le code produits en collaboration et en open-source dans notre pile interne.
• Construire et améliorer de grands pipelines de données pour la formation de modèles de base.
• Être un membre clé de l'équipe et contribuer de manière significative à des progrès rapides mesurés par le développement des capacités internes et des publications externes percutantes.

Qualifications

• 2+ années d'expérience professionnelle en ingénierie de l'AM au sein d'une organisation axée sur l'IA/AM.
• Familiarité avec les méthodologies d'apprentissage comportemental, de langage et/ou de vision par ordinateur à la pointe du progrès.
• Expérience dans la formation de modèles de base à grande échelle (VLM, modèles texte-vidéo) en utilisant des techniques telles que la quantification, la précision mixte, le parallélisme de modèle, le parallélisme de données ou FSDP.
• Expérience pratique étendue avec PyTorch.
• Forte maîtrise de Python et des meilleures pratiques de développement logiciel (tests unitaires, documentation, revue de code, intégration continue, gestion des dépendances).