Computer Vision Engineer

Poussez notre approche d'apprentissage par un seul exemple avec notre équipe scientifique - construisez des modèles de vision, un apprentissage des affordances et des descripteurs denses qui fonctionnent en temps réel sur le matériel robotique.

À propos de Lili-O

Notre mission est d'autonomiser chaque personne avec un robot - que ce soit une personne âgée qui a besoin d'aide à domicile ou un jeune professionnel qui souhaite récupérer son temps. Pour y parvenir, nous construisons le cerveau qui permet aux robots d'automatiser des tâches spécifiques à long terme dans des environnements réels non structurés. Ce cerveau combine l'apprentissage des compétences, la vision et la planification à long terme - construit sur une approche basée sur les compétences qui décompose des tâches complexes en primitives réutilisables.

Le rôle

En tant qu'ingénieur en vision par ordinateur, votre mission principale est de faire avancer notre approche d'apprentissage par un seul exemple, en travaillant aux côtés de notre équipe scientifique.

Responsabilités

• Rechercher et développer des modèles de vision pour l'apprentissage par un seul exemple de nouveaux objets et tâches
• Travailler sur l'apprentissage des affordances - enseigner au robot où et comment il peut interagir avec un objet à partir d'une seule démonstration
• Développer et affiner des descripteurs denses pour une représentation robuste des objets/des points clés à travers les angles de vue
• Construire des pipelines de segmentation d'objets qui tiennent dans des environnements réels non structurés
• Explorer des approches de correspondance de flux pour des modèles génératifs/représentatifs pilotés par la vision
• Optimiser les modèles pour une inférence en temps réel sur le matériel robotique
• Collaborer étroitement avec l'équipe de recherche sur la direction de la recherche, les expériences et la transformation des résultats en modules de vision expédiables

Ce que nous recherchons

Compétences techniques

• Apprentissage des affordances / connaissance des affordances
• Descripteurs denses (par exemple pour la correspondance, les points clés ou la représentation de pose)
• Inférence en temps réel et optimisation de modèle
• Correspondance de flux
• Solides compétences en Python et en apprentissage profond (PyTorch ou équivalent)
• Capacité à concevoir, mettre en œuvre et entraîner des architectures de réseaux neuronaux novatrices à partir de zéro, pas seulement à peaufiner celles existantes

Contexte

• Doctorat ou solide expérience en recherche en vision par ordinateur / apprentissage automatique appréciée, idéalement avec des publications
• Expérience de la recherche en vision allant du prototype au déploiement en temps réel sur robot est un plus
• À l'aise de travailler dans un paradigme purement basé sur la vision - sans dépendance à des marqueurs, capture de mouvement ou prioris élaborés

Compétences interpersonnelles

• Solides compétences en collaboration de recherche - ce rôle travaille main dans la main avec notre scientifique en chef
• Curiosité et rigueur, équilibrées avec une volonté de faire fonctionner les choses sur du matériel réel
• À l'aise avec l'itération rapide sur des questions de recherche ouvertes

Informations pratiques

• Lieu : Paris / Corée du Sud
• Type de contrat : Temps plein

Culture de travail - À quoi s'attendre

Ce rôle est destiné à quelqu'un qui s'épanouit avec autonomie et ambiguïté, pas quelqu'un qui a besoin d'une feuille de route remise chaque matin. Vous travaillerez souvent de manière indépendante. Longues périodes de recherche et d'expérimentation auto-dirigées, avec une supervision quotidienne limitée. Nous vous faisons confiance pour trouver le chemin à suivre.

Les voyages font partie du travail. Conférences, laboratoires, visites de partenaires - s'il y a un événement pertinent à l'étranger, nous attendons de vous que vous soyez à l'aise de prendre l'avion pour représenter Lili-O et ramener des idées.

Les priorités changent rapidement. C'est une startup. Nous changerons parfois de direction et dé-prioriserons le travail dans lequel vous avez investi des efforts réels. Ce n'est jamais personnel - c'est ainsi que les startups survivent.

Confort avec l'incertitude. Les spécifications, la portée et même la définition du problème évolueront. Vous serez censé apporter de la structure à cette ambiguïté plutôt que d'attendre qu'elle soit résolue pour vous. Si vous tirez de l'énergie de la résolution de problèmes ouverts, de l'adaptation rapide et de la prise en charge de votre part du robot de bout en bout - parlons-en.