تركز هذه الوظيفة على تحديد وتطوير الأساليب المعتمدة على التعلم لتخطيط الحركة في الأنظمة المستقلة. يتضمن ذلك وضع الاتجاه الفني وتقديم الحلول التي تتطور من الأساليب التقليدية المعتمدة على القواعد والدفع نحو الأمام إلى تقنيات تعتمد على البيانات مثل التعلم بالتقليد، التعلم المعزز، والتخطيط القائم على الانتشار.

تجمع هذه الوظيفة بين القيادة التقنية العملية وامتلاك خارطة الطريق، مما يضمن أن تكون المخططات المعتمدة على التعلم مبتكرة ولكن أيضًا عملية وموثوقة وجاهزة للنشر في العالم الحقيقي. التركيز على تقديم تحسينات قابلة للقياس على الأساليب الحالية للتخطيط من خلال هندسة قوية وتقييم.

• امتلاك خارطة الطريق الفنية
  تحديد وتنفيذ خارطة طريق واضحة للتخطيط المعتمد على التعلم على مدى 12-24 شهرًا. تحديد الأساليب الأكثر ملاءمة، وتحديد قرارات البناء مقابل التبني، وتحديد المعايير للتقدم من النموذج الأولي إلى نشر الإنتاج.

  
  
  

• تطوير النماذج والتدريب
  تصميم وتدريب وتحسين نماذج التخطيط المعتمدة على التعلم باستخدام مجموعة من الأساليب، بما في ذلك التعلم بالتقليد، التعلم المعزز (عبر الإنترنت وغير المتصل)، نماذج الانتشار، والتقنيات الهجينة. اختيار الطريقة الأكثر فعالية بناءً على سياق المشكلة.

  
  
  

• تكامل النظام
  دمج المخططات المعتمدة على التعلم في الهياكل الحالية للتخطيط والتحكم. ضمان واجهات نظيفة مع أنظمة الإدراك العليا وطبقات التحكم السفلية، بالإضافة إلى آليات احتياطية موثوقة وقوة إنتاجية.

  
  
  

• استراتيجية البيانات والمتطلبات
  تحديد احتياجات البيانات للتدريب والتقييم، بما في ذلك المصادر مثل العروض البشرية، والمحاكاة، ومخرجات التخطيط الحالية. دفع الجهود لضمان تغطية كافية للسيناريوهات، والحالات الحدودية، وتنوع العالم الحقيقي.

  
  
  

• التقييم والمعايير
  تطوير أطر تقييم شاملة لتقييم المخططات المتعلمة مقابل المعايير المعتمدة. وضع مقاييس، واختبار قائم على السيناريو، وعمليات تحليل الفشل لضمان الجاهزية للنشر.

  
  
  

• التجريب التكراري
  قيادة حلقة التجريب الكاملة - من الفرضية وتطوير النموذج إلى الاختبار في العالم الحقيقي وتحليل الأداء - لضمان التحسين المستمر بناءً على النتائج التجريبية.

  
  
  

• استراتيجية التخطيط الهجينة
  العمل عن كثب مع الأساليب الحالية للتخطيط لتحديد الأماكن التي توفر فيها الأساليب المعتمدة على التعلم قيمة وأين تبقى التقنيات التقليدية مثالية. المساهمة في تصميم أنظمة هجينة تجمع بين كلاهما بشكل فعال.

  
  
  

• 6+ سنوات من الخبرة في تخطيط الحركة للأنظمة المستقلة أو الروبوتات المتنقلة، بما في ذلك العمل العملي مع الأساليب المعتمدة على التعلم
• خبرة مثبتة في أخذ حلول التخطيط المعتمد على التعلم من الفكرة إلى النشر في بيئات العالم الحقيقي
• فهم قوي لأساليب التخطيط التقليدية، بما في ذلك التحكم التنبؤي النموذجي (MPC)، والأساليب المعتمدة على العينة، والأساليب المعتمدة على التحسين
• إجادة في C++ وPython، مع خبرة في ROS (ROS1 و/أو ROS2)
• خبرة مع أطر التعلم الآلي الحديثة (مثل PyTorch) وفهم قوي لتصميم التجارب والتحقق منها

• خبرة في نشر أو تقديم حلول تتضمن أساليب التخطيط المعتمدة على التعلم مثل التعلم بالتقليد، التعلم المعزز، نماذج الانتشار، أو أساليب نمذجة العالم
• خلفية في تصميم أنظمة هجينة تجمع بين المكونات المتعلمة مع التخطيط التقليدي أو آليات الأمان
• إلمام ببناء أنظمة قوية في العالم الحقيقي تعمل تحت ظروف عدم اليقين والديناميكية