SLAM- разработчик
Описание
Кто мы НИОКР-команда, которая делает автономного наземного робота. Робот должен сам построить карту незнакомой местности, локализоваться на ней без спутниковой навигации и автономно доехать до заданных точек — в поле, в лесу, ночью, в дождь и туман. Автономная навигация — это не фича на будущее, а ядро продукта. И это ваша зона ответственности целиком: от сырых облаков точек до робота, который приехал в нужную точку. Чем предстоит заниматься Поднимать и дорабатывать LiDAR-инерциальный SLAM (FAST-LIO, LIO-SAM, Point-LIO и аналоги): одометрия, замыкание циклов, оптимизация графа поз. Собирать навигационный стек на Nav2: costmaps, глобальные и локальные планировщики, controllers, behavior trees, recovery-поведения. Обеспечивать устойчивую локализацию без GNSS и в условиях помех. Калибровать и синхронизировать сенсоры (LiDAR ↔ IMU ↔ камеры), настраивать TF2 и фьюжн одометрии. Измерять качество, а не «на глаз»: собирать rosbag, считать ATE/RPE, находить причину дрейфа и устранять её. Запускать всё это в реальном времени на одноплатных компьютерах — с ограниченным CPU и питанием. Тестировать в лаборатории и на полигоне, фиксировать результаты, предлагать улучшения. Настраивать CI/CD и автотесты для навигационного стека. Обязательное ROS 2 на рабочем уровне: launch, topics/services/actions, TF2, rosbag, отладка нод. C++ — основной язык SLAM и Nav2. Python — для обвязки и анализа. Практический опыт SLAM: подняли, настроили, довели до рабочей точности. Стек любой — LiDAR или visual. Nav2 или сопоставимый навигационный стек. Математика на инженерном уровне: линейная алгебра, кватернионы и преобразования координат, основы оценивания (EKF или факторные графы). Уверенный Linux, Docker, git (ветвление, PR, code review). Опыт с одноплатниками: Raspberry Pi / Orange Pi / Jetson или аналоги. Готовность выезжать на полевые испытания — часть задач решается только в поле. Будет плюсом Работа с конкретными LiDAR (Livox, Ouster, RoboSense, Hesai): сырые облака, компенсация движения, фильтрация. Оптимизация графа поз: GTSAM, g2o, Ceres. Visual / VI-SLAM, RGB-D, стереопара: RTAB-Map, ORB-SLAM, VINS. Фьюжн одометрии: robot_localization, колёсная одометрия, обработка проскальзывания. Симуляция и автотесты навигации: Gazebo, Isaac Sim. Миллиметровый радар: предобработка данных, детектирование препятствий. Видеопайплайны: RTSP, gstreamer/ffmpeg, OpenCV, YOLO-inference на edge-устройствах. UART и другие последовательные интерфейсы, драйверы периферии. STM32/ESP, чтение datasheet, отладка плат, осциллограф, пайка. Автопилоты (PX4, ArduPilot), сборка и пилотирование дронов. C++ помимо ROS, а также Go / Rust в коммерческих проектах. Типичные задачи Поднять FAST-LIO на нашем сетапе (LiDAR + IMU), прогнать по датасету, разобраться с дрейфом на длинной траектории. Откалибровать extrinsics LiDAR — IMU — камера и настроить синхронизацию времени. Собрать сквозной путь на Nav2: карта → глобальный план → локальный контроллер → приезд в точку с заданной точностью. Провести испытания на площадке 200×200 м с несколькими точками интереса, замерить точность локализации и повторяемость. Уложить SLAM-ноду в бюджет CPU и задержки на одноплатнике. Настроить CI/CD и регрессионные тесты навигации в симуляторе. Почему откликнуться Видимый результат: код → на плате → в поле. Полевые испытания уже в этом году, а не «когда-нибудь». Автономия — ядро продукта, а не довесок к чужой работе. Вы владеете этой частью целиком. Работа, которая реально повышает безопасность людей и эффективность их работы. Минимум бюрократии, максимум инженерной автономии. Доступ в лабораторию: платы, LiDAR, осциллографы, тест-роботы, полигон. Участие в конференциях. Задачи на стыке ПО, электроники и механики, которые нужны уже завтра. Условия Москва, офис или гибрид. Конкурентная зарплата, обсуждается по итогам собеседования.