Senior Radar Perception Engineer, Obstacle Foundation Models – Autonomous Vehicles

🕒 vor 10 Tagen

🏄 California – Remote

🏄 California – Remote

💵 $224.000 - $356.500 / Jahr

⏰ Vollzeit

🟠 Senior

👷🏻‍♀️ Ingenieur

🦅 H1B-Visum-Sponsor

Dieses Unternehmen hat in der Vergangenheit H1B-Visa gesponsert.

👻 Geisterscore 11%

Was es bedeutet: die Wahrscheinlichkeit, dass für diese Stelle niemand wirklich einstellt.So liest du es: 60 % oder höher heißt, wir halten das für einen Geisterjob. Niedrigere Werte sind weniger bedenklich.Warum dieser Wert:

• Seit 10 Tagen offen.
• Stellen bei diesem Unternehmen werden meist in 36 Tagen besetzt.
• Einmal neu eingestellt.

Jetzt Bewerben

Ähnliche Remote-Jobs finden

NVIDIA

WebsiteLinkedInAlle Stellen

10.000+ Mitarbeiter

Gegründet 1993

🏥 Gesundheitswesen

🏭 Fertigung

🤖 Künstliche Intelligenz

Healthcare • Manufacturing • Artificial Intelligence

NVIDIA ist ein führendes Technologieunternehmen mit Spezialisierung auf beschleunigtes Computing und Künstliche Intelligenz (AI). NVIDIA treibt Fortschritte bei Grafikprozessoren (GPUs), Cloud Computing, Rechenzentren und Virtual Reality voran und fokussiert dabei Branchen wie Gaming, Automotive, Gesundheitswesen und Robotik. Innovationen des Unternehmens wie NVIDIA Omniverse transformieren traditionelle digitale Prozesse, indem sie hochrealistische Simulationen und Rendering-Aufgaben ermöglichen. Die Anwendungen erstrecken sich über zahlreiche Branchen – von autonomen Fahrzeugen mit NVIDIA DRIVE über Gesundheitslösungen mit NVIDIA Clara bis hin zu AI-gestützten Analysen und Workflows.

Beschreibung

• Develop and improve the technical design, architecture, and roadmap for radar-based 3D obstacle perception supporting end-to-end autonomous driving • Conduct applied research on deep learning models to maximize information from radar point cloud data • Address radar perception challenges including low and non-uniform angular resolution, multipath and ghost targets, micro-Doppler signatures, and class imbalance • Explore weakly-supervised pretraining and improve radar perception using large auto-labeled datasets • Design and implement advanced 3D perception models using radar inputs and camera, radar, and lidar fusion • Develop obstacle detection, tracking, and Bird’s-Eye-View scene understanding systems • Drive radar sensor evaluation, selection, and layout optimization for L2-L4 autonomous driving applications • Build efficient, production-grade deep learning models, run experiments, and follow training and evaluation best practices • Define and maintain KPI frameworks for radar perception performance • Analyze real and synthetic datasets to identify radar-specific failure modes and improve accuracy, robustness, and efficiency • Contribute to radar perception data strategy, collection, annotation, and model-assisted auto-labeling workflows • Collaborate with safety, systems, software, data, and ground-truth teams to productize scalable radar perception solutions

🎯 Anforderungen

• 12+ years of hands-on experience developing deep learning–based perception, radar signal processing, or closely related systems for complex real-world problems • Strong proficiency in frameworks such as PyTorch • Track record of taking models from prototype to production • Proven experience in data-driven development, including collaboration with data, labeling, and ground-truth teams on radar data strategy, labeling quality, and iterative model improvement • Strong programming skills in Python and/or C++ • Experience building reliable, high-performance, production-quality software • BS/MS/PhD in Computer Science, Electrical Engineering, Robotics, or related fields (or equivalent experience) • Experience designing and deploying radar-based or multi-modal perception solutions for autonomous driving or robotics using deep learning at scale • Hands-on experience architecting and deploying DNN-based perception pipelines on embedded or real-time platforms • Experience optimizing for latency, memory, and compute constraints • Familiarity with Transformers and BEV networks • Deep understanding of radar physics and digital signal processing fundamentals, including FMCW, beamforming, CFAR, and micro-Doppler • Strong publication record or recognized contributions in deep learning, radar perception, multi-sensor fusion, or autonomous systems • Experience with CUDA development and optimizing training or inference pipelines through custom CUDA kernels or other GPU-accelerated components • Excellent communication and collaboration skills

🏖️ Vorteile

• Equity • Benefits

📊 Überprüfen Sie Ihre Lebenslauf-Bewertung für diese Stelle

Verbessern Sie Ihre Chancen auf ein Vorstellungsgespräch, indem Sie Ihre Lebenslauf-Bewertung vor der Bewerbung überprüfen.

Lebenslauf hochladen