Ingeniero de Visión Artificial – Deep Learning y Navegación Edge

Tu misión será diseñar, optimizar y desplegar algoritmos de Deep Learning aplicados a la navegación autónoma en UAVs que operan en entornos sin GNSS, contribuyendo al desarrollo de sistemas de Terrain Matching capaces de emparejar, en tiempo real, imágenes aéreas capturadas por el dron con mapas de referencia satelitales.

El nuevo miembro del equipo será responsable de llevar los modelos de visión artificial desde la fase de desarrollo hasta su ejecución eficiente en hardware embebido, trabajando en un entorno de Edge Computing donde el rendimiento, la robustez y una integración limpia con la arquitectura existente son factores críticos.

Tu contribución será clave para alimentar el sistema de navegación ya desarrollado internamente, integrándote con módulos geométricos como RANSAC y PnP, y asegurando que las soluciones implementadas sean eficientes, trazables y compatibles con los estándares de software de alta integridad de la empresa.

En última instancia, tu misión será convertir capacidades avanzadas de visión artificial en soluciones reales, desplegables y fiables para aeronaves autónomas que deben operar sin depender de señales GNSS.

• Desarrollo y optimización del pipeline de IA: Implementar, entrenar y optimizar modelos de Deep Learning para la extracción y descripción de características en imágenes de dominios cruzados (cámara frente a satélite), buscando el máximo rendimiento en el Edge.
• Integración de software y conectividad: Conectar las salidas del modelo de IA con el backend geométrico tradicional existente (RANSAC, PnP), garantizando una comunicación eficiente y de baja latencia.
• Desarrollo robusto sin regresiones: Integrar el código en módulos C++ de alta integridad, respetando los principios de la arquitectura embebida actual (gestión eficiente de la memoria, ausencia de operaciones bloqueantes) para asegurar que las nuevas funcionalidades coexistan sin problemas con los estándares de calidad del sistema.
• Validación en simulación y HIL: Validar el comportamiento del sistema de Terrain Matching en bucle cerrado utilizando nuestros entornos virtuales fotorrealistas y sistemas Hardware-in-the-Loop antes de las pruebas de vuelo reales.

• Grado en Ingeniería Informática, Telecomunicaciones, Electrónica, Matemáticas, Robótica o similar.
• Experiencia práctica en el entrenamiento, evaluación y exportación de modelos de Deep Learning aplicados a la visión: PyTorch, TensorFlow.
• Sólidas habilidades de programación en C++ (programación orientada a objetos, estructuras de datos) con capacidad para integrarse de forma autónoma en un repositorio de software de producción.
• Experiencia o familiaridad con el despliegue de redes en entornos de ejecución optimizados para hardware embebido: TensorRT, ONNX Runtime.
• Uso fluido de librerías estándar de visión artificial: OpenCV.

• Experiencia o proyectos que involucren descriptores locales, tanto tradicionales como aprendidos: ORB, SIFT, SuperPoint, SuperGlue, etc.
• Familiaridad con plataformas embebidas (NVIDIA Jetson u otras arquitecturas ARM) y entornos Linux.
• Capacidad para trabajar bajo restricciones de sistemas en tiempo real (control de latencia, optimización de buffers).
• Conocimiento o interés en estándares de código limpio y crítico (estilo de codificación estructurado, MISRA C++, JSF++).