Центр робототехники Сбера развивает робототехнические системы и прикладной ИИ для реальных физических задач. В Data Conveyor Team мы отвечаем за данные для обучения и улучшения моделей манипуляции: в том числе проверяем, как модели ведут себя на реальном роботе, и превращаем результаты тестов в понятные задачи на новые данные. Сейчас нам нужен Robot Tester / Benchmark Engineer: аккуратный оператор тестов, который сможет проводить проверки по протоколу, фиксировать результаты и понятно описывать ошибки.
- Планировать и проводить повторяемые тестовые сессии моделей на реальном роботе и в продуктовых сценариях.
- Следить, чтобы тесты проходили по единому протоколу: одинаковые стартовые условия, объекты, окружение, критерии успеха и формат отчета.
- Фиксировать результат каждого запуска: версия модели, сценарий, условия, видео/логи, успех или тип ошибки.
- Собирать данные из успешных и неуспешных запусков, чтобы их можно было использовать для анализа и дообучения.
- Координировать сбор корректирующих демонстраций, когда тест показывает, что модели не хватает примеров.
- Размечать типы ошибок: perception, wrong object, bad grasp, trajectory instability, task misunderstanding, collision, data gap, deployment issue.
- Превращать результаты тестов в понятные рекомендации: какие задачи, объекты, условия или ошибки нужно покрыть в следующих данных.
- Проверять покрытие тестовых сценариев: насколько хорошо они отражают реальные задачи, варианты окружения и набор объектов для манипуляции.
- Высокая операционная надежность: умение монотонно и аккуратно выполнять тестовый протокол без потери деталей.
- Уверенная работа с Ubuntu command line, git, Docker, логами и сервисами.
- Базовое понимание k8s / virtualization concepts: достаточно, чтобы следовать runbooks, перезапускать компоненты и описывать проблемы.
- Опыт работы с техническими стендами, роботами, ML evaluation, QA, field testing или сложными hardware/software systems.
- Базовое программирование и data handling: Python scripts, tables, logs, simple plots или отчеты.
- Способность ясно документировать наблюдаемое поведение робота, шаги воспроизведения ошибки, сбои, скриншоты, ссылки на видео и итоговые выводы.
- Внимание к safety, деталям, чистоте эксперимента и воспроизводимости.
Будет плюсом:
- Опыт с robot testing, teleoperation, manipulation benchmarks или тестированием ML policies на роботах.
- Понимание метрик успешности, классификации ошибок, устойчивости поведения модели, регрессионного тестирования и аудита тестовых сценариев.
- Умение на базовом web/backend уровне помогать развивать инструменты для описания тестовых сценариев, действий робота и набора объектов.
- Опыт с hardware diagnostics: камеры, wiring, actuators, communication, calibration, basic lab equipment.