Reinforcement Learning Engineer - Manipulation (Python)

humanoid На сервисе с: 03.10.26 15:55

↑ Вакансия с автоподнятием

Зарплата не указанаВеликобританияLondon

Here at Humanoid, we believe in a future where robots amplify human potential. That’s why we’ve set out on a mission to build the world’s most capable, commercially-scalable, and safe humanoid robots. We’re bringing that mission to life with HMND‑01 - our rapidly developed humanoid platform being deployed in real industrial environments - and we’re growing the team to take it even further.

About the Role

We're hiring a Reinforcement Learning Engineer to join our Autonomy team based in London. In this role you will leverage reinforcement learning in both simulation and physical reality to build highly performant and robust manipulation policies.

What You'll Do

Train language-vision conditioned manipulation policies via reinforcement learning (RL) in simulation and in the real world.
Construct challenging and diverse suites of manipulation tasks in simulation.
Partner with teleoperations to collect trajectories in simulation for behavior cloning.
Partner with testing and operations to establish real-world RL training pipelines.
Experiment with various ways of bringing policies trained in simulation to the real world.

What We're Looking For

3+ years building deep‑learning systems (industry or research) with shipped models or published artifacts to show for it.
Hands‑on with at least one of: LLMs, VLMs, or image/video generative models — architecture, training, and inference.
Experience solving real problems using reinforcement learning with deep neural networks in any domain.
Strong Python + PyTorch/JAX; you can profile, debug numerics, and write maintainable research code.
You are self-driven, pro-active, communicate efficiently, document experiments clearly and communicate trade‑offs crisply.

Nice to have

Experience with simulators for robotics (Isaac Sim, MuJoCo etc.)
Experience in RL for robotics.
Experience building infrastructure for large-scale RL (e.g. using ray).
Publications at ICLR/ICML/NeurIPS or equivalent open‑source contributions.
Familiarity with OpenVLA, Physical Intelligence (π) models, or similar open VLA frameworks.

What We Offer

Competitive equity: stock options with meaningful upside as we scale.
30+ paid days off, including 23 days of annual leave, all UK bank holidays, and additional company closure days (including Christmas–New Year shutdown).
Private healthcare, including virtual and in-person care.
Pension scheme with 8% total contribution (5% employee, 3% employer) on full earnings.
Free daily breakfast, catered lunch, and snacks in-office.
Work at the frontier - collaborate daily with world-class engineers, researchers, and product experts building the next generation of AI and humanoid robotics.
Real ownership - direct access to founding leadership, meaningful input on product direction, and the ability to drive key initiatives from day one.

Открыть на сайте компании

Статьи для Data Science & ML

Похожие вакансии Data Science & ML

Соц.сети

ML Engineer / LLM Engineer

Неизвестный работодательНа сервисе с: 06.10.26 11:27

Зарплата не указанаНе указана странаЛокация не указана

ML Engineer / LLM Engineer

Ищем ML-инженера с сильным практическим опытом работы с LLM: fine-tuning, post-training, evaluation и inference.

Важно: это не позиция классического ML Engineer / Data Scientist. Нужен кандидат, который самостоятельно обучал и адаптировал LLM и понимает полный цикл — от данных и обучения до evaluation и deployment.

Задачи:

- Разработка и улучшение пайплайна LLM post-training: SFT, preference optimization, Offline / Online RL;
- Улучшение instruction following и построение системы benchmarking / evaluation;
- Обучение LoRA / QLoRA-адаптеров под различные домены и задачи;
- Работа с reward models / verifiers и reward functions для RL;
- Разработка RAG-систем: retrieval, reranking, context construction и evaluation;
- Обучение и интеграция tool use / function calling / structured outputs;
- Оптимизация inference и serving моделей с использованием vLLM / SGLang;

Обязательные требования:

- Практический опыт fine-tuning / post-training LLM;
- Опыт с SFT и preference optimization: DPO / IPO / ORPO / SimPO или аналогами;
- Опыт или хорошее практическое понимание Online RL для LLM: GRPO / GSPO или аналогичных методов;
- Понимание reward models, preference data и LLM evaluation;
- Уверенное владение Python, PyTorch, Hugging Face Transformers;
- Опыт с TRL и/или verl;
- Опыт с LoRA / QLoRA / PEFT;
- Опыт inference / serving через vLLM и/или SGLang;
- Опыт разработки RAG, tool use или structured generation;
- Понимание архитектуры современных LLM и особенностей их обучения и inference;
- Опыт работы с GPU, distributed training и Linux / Docker / Git;
- Умение самостоятельно ставить эксперименты, выбирать метрики и анализировать результаты.

Будет плюсом:

- Continual / domain pre-training;
- Reasoning RL;
- Multilingual LLM или code generation;
- FSDP / DeepSpeed / Megatron-LM;
- Quantization и оптимизация inference.

Чтобы откликнуться, отправляйте резюме рекрутеру ••••••••

hh.ru

ML-инженер

концерн цнии электроприборНа сервисе с: 06.10.26 11:33

от 90k ₽РоссияСанкт-ПетербургОфис

Государственный научный центр АО Концерн "ЦНИИ "Электроприбор" - многопрофильная приборостроительная организация, один из признанных мировых лидеров рынка в области высокоточной инерциальной навигации, гироскопии, гравиметрии и оптико-электронных систем наблюдения подводных лодок.

Мы рады видеть инициативных, стремящихся к профессиональному развитию специалистов рабочих профессий. Работа у нас - это стабильность и уверенность о завтрашнем дне, достойная оплата труда и забота о каждом члене нашей команды.

Обязанности:

Ведение ML-проектов в области анализа и обработки изображений;
Создание пайплайнов - от предобработки данных до обучения и валидации ML-моделей.

Требования:

Знание: Python, Matlab, VSCode, Docker;
Умение работать с библиотеками: numpy, pandas, pytorch, tensorflow, keras, sklearn, ultalytics;
Умение делать преобработку и разметку данных;
Понимание основ алгоритмов ML: YOLO, DINO, SAM, сиамские сети, padim.

Условия:

Оборудование для обучения моделей: видеокарты RTX 3060, 4090,5070,5070; до конца 2026 года планируется закупка сервера с графическими ускорителями H100
Доступ к курсам karpov courses, OTUS за счет предприятия ;
Высокотехнологичное, наукоемкое оборудование;
Передовое программное обеспечение;
Корпоративное обучение и повышение квалификации;
Возможность карьерного и профессионального роста;
Программа стажировок для молодых специалистов и рабочих под руководством опытных наставников;
Полное соблюдение ТК РФ;
График работы: 5 – дневная 40 – часовая рабочая неделя;
Месторасположение организации: м. Горьковская (5-7 минут от метро пешком);
Стабильная «белая» заработная плата;
Наличие медицинского центра с высококвалифицированным персоналом на территории организации (медицинское обслуживание, амбулаторное лечение, физиотерапия и др.)
Наличие профсоюзной организации;
Частичная компенсация на оплату путевок в детские оздоровительные лагеря;
Материальная поддержка для сотрудников (выплата для людей, при возвращении в организацию после армии, действует система выплат при достижении стажа работы, в связи с юбилеем, выплата материальной помощи на лечение);
Поддержка сотрудников при покупке жилья;
Спортивная жизнь (наличие собственного спортивного зала на территории организации). Имеются различные варианты спортивных тренировок: футбол, волейбол, настольный теннис, бильярд, танцы и др.);
Корпоративные мероприятия;
Детский лагерь на Черном море;
База отдыха на Ладожском озере.

Заработная плата зависит от уровня квалификации и опыта работы.

Открыть на hh.ru

Сайты компаний

VLA Pre-training Engineer - Deep Learning

humanoidНа сервисе с: 03.10.26 16:32↑ Вакансия с автоподнятием

Зарплата не указанаВеликобританияLondon

About the Role

We're hiring a VLA Pre-training Engineer to join our Autonomy team based in London. In this role you will you will work on all aspects of training capable policies, be it pre-training of a base model on a diverse multi-embodiment corpus of trajectories, fine-tuning a policy to perform a specific task well, curating data collection processes or exploring productive ways to generate and use synthetic data. This is primarily a deep learning-focused role, so we are looking for experience solving real problems using modern neural networks, while experience in robotics isn’t strictly required. However if you don’t have such experience, be prepared that you’d need to familiarize yourself with a new domain quickly.

What You'll Do

Post-train policies via behaviour cloning and RL; own the full loop from data to deployment.
Partner with the Data Collection team to drive collecting new data: specify what good data looks like, identify failure modes, ensure diversity and coverage.
Work closely with external partners to ensure steady supply of high-quality pretraining-scale data.
Run pre-/mid-/post-training on VLA stack; explore new modalities and architecture changes.
Build and maintain continuous pipelines: ingest synthetic data and teleop logs, version them, apply weak‑supervision labelling, curate balanced datasets, and auto‑surface fresh failure cases into retraining.
Work with MLOps & Data Platform teams to scale distributed training and optimize models for real‑time edge inference.

What We're Looking For

3+ years building deep‑learning systems (industry or research) with shipped models or published artifacts to show for it.
Deep hands‑on experience with at least one of: LLMs, VLMs, or image/video generative models — architecture, training, and inference.
Experience with deep learning infrastructure: streaming datasets, checkpointing & state management, distributed training strategies.
Strong Python + PyTorch/JAX; you can profile, debug numerics, and write maintainable research code.
Familiarity with modern software engineering practices.
You document experiments clearly and communicate trade‑offs crisply.

Nice to have

Robotics or autonomous driving experience.
Experience applying RL to LLMs or robotics.
Experience with VLA (vision-language-action) models.
Proven productization of deep nets (latency/throughput constraints, telemetry, on‑device optimization).
Publications at top-tier deep learning conferences or equivalent open‑source contributions.
Familiarity with OpenVLA, Physical Intelligence (π) models, or similar open source VLA frameworks.

What We Offer

Competitive equity: stock options with meaningful upside as we scale.
30+ paid days off, including 23 days of annual leave, all UK bank holidays, and additional company closure days (including Christmas–New Year shutdown).
Private healthcare, including virtual and in-person care.
Pension scheme with 8% total contribution (5% employee, 3% employer) on full earnings.
Free daily breakfast, catered lunch, and snacks in-office.
Work at the frontier - collaborate daily with world-class engineers, researchers, and product experts building the next generation of AI and humanoid robotics.
Real ownership - direct access to founding leadership, meaningful input on product direction, and the ability to drive key initiatives from day one.

Открыть на сайте компании

HireSeeker собирает вакансии со всех площадок и присылает только релевантные. Бесплатно.

Посмотреть полный каталог →Свежие вакансии Data Science & ML