About the Company  

At Torc, we have always believed that autonomous vehicle technology will transform how we travel, move freight, and do business. 

A leader in autonomous driving since 2007, Torc has spent over a decade commercializing our solutions with experienced partners. Now a part of the Daimler family, we are focused solely on developing software for automated trucks to transform how the world moves freight.  

Join us and catapult your career with the company that helped pioneer autonomous technology, and the first AV software company with the vision to partner directly with a truck manufacturer. 

Meet the Team

At Torc, we are building a fully learned behavior stack. You will lead multiple teams responsible for developing and scaling learned behavior models that drive decision-making in Torc’s autonomous trucking system.

These teams sit at the intersection of reinforcement learning, imitation learning, and multi-agent systems, shaping how our vehicles behave in complex, real-world environments — from highway merging to dense traffic interactions.

You will be responsible for both technical direction and organizational leadership, ensuring your teams deliver production-ready behavior models that are safe, robust, and scalable.

This is a hands-on technical leadership role — the expectation is Staff-level technical depth combined with the ability to lead, grow, and align multiple engineering teams.

What You’ll Do

• Own the technical vision and roadmap for Learned Vehicle Intent (LVI), aligning model development with product and safety goals
• Lead and scale 2–3 teams of ML engineers, driving execution across model development, training, and deployment
• Set and uphold a high bar for technical excellence in reinforcement learning, imitation learning, and behavior modeling
• Guide architecture decisions for policy learning systems, including behavior cloning, RL, and multi-agent interaction models
• Drive development of scalable training pipelines, data infrastructure, and experimentation frameworks
• Partner cross-functionally with perception, prediction, analytical planning, simulation, and safety teams to integrate learned behaviors into the autonomy stack
• Ensure robust validation and evaluation of behavior models, including failure analysis and performance tracking across simulation and real-world environments
• Establish best practices for data strategy, model iteration, and system-level integration
• Mentor senior and staff engineers, fostering growth, ownership, and technical leadership within the team
• Lead team planning, execution, and delivery, ensuring alignment with broader organizational priorities

Leadership Responsibilities

• Build, develop, and retain high-performing engineering teams
• Drive hiring, onboarding, and organizational design across LVI teams
• Provide coaching, career development, and performance management
• Establish clear goals, metrics, and accountability frameworks
• Manage team capacity, prioritization, and execution against roadmap
• Communicate progress, risks, and strategy to senior leadership
• Operate effectively in a fast-paced, ambiguous environment with evolving technical and product requirements

What You’ll Need to Succeed

• 10+ years of experience in applied machine learning, autonomy, robotics, or related domains
• Proven experience operating at a Staff or higher technical level, with deep expertise in:
• Reinforcement learning
• Imitation learning / behavior cloning
• Multi-agent systems
• 5+ years of experience leading engineering teams, ideally across multiple teams or domains
• Demonstrated success defining and delivering technical roadmaps for complex ML systems
• Strong programming background in Python and modern ML frameworks (e.g., PyTorch, PufferDrive)
• Deep understanding of ML architectures and training systems, including scaling, data pipelines, and deployment
• Experience integrating ML models into production systems, ideally within autonomy or robotics stacks
• Strong cross-functional collaboration skills and ability to influence across teams

Bonus Points

• Experience in autonomous vehicles, trucking, or large-scale robotics systems
• Experience deploying RL or learned behavior models in production environments
• Familiarity with simulation environments, scenario generation, and validation frameworks
• Experience with Ray or distributed training infrastructure
• Background in system-level integration of ML models into planning or control systems
• PhD in Computer Science, Artificial Intelligence, or related field with a track record in learned behaviors or reinforcement learning

Work Location: For this position, we are open to hiring in either the Ann Arbor, MI OR Blacksburg, VA (U.S.) office work locations in a hybrid capacity. We are also open to hiring Remote in the United States 

Perks of Being a Full-time Torc’r  

Torc cares about our team members and we strive to provide benefits and resources to support their health, work/life balance, and future. Our culture is collaborative, energetic, and team focused. Torc offers:    

• A competitive compensation package that includes a bonus component and stock options  

• 100% paid medical, dental, and vision premiums for full-time employees    

• 401K plan with a 6% employer match  

• Flexibility in schedule and generous paid vacation (available immediately after start date)  

• Company-wide holiday office closures  

• AD+D and Life Insurance   

At Torc, we’re committed to building a diverse and inclusive workplace. We celebrate the uniqueness of our Torc’rs and do not discriminate based on race, religion, color, national origin, gender (including pregnancy, childbirth, or related medical conditions), sexual orientation, gender identity, gender expression, age, veteran status, or disabilities.  
Even if you don’t meet 100% of the qualifications listed for this opportunity, we encourage you to apply.  

Our compensation reflects the cost of labor across several geographic markets. Pay is based on a number of factors and may vary depending on job-related knowledge, skills, and experience. Torc's total compensation package will also include our corporate bonus and stock option plan. Dependent on the position offered, sign-on payments, relocation, and other forms of compensation may be provided as part of a total compensation package, in addition to a full range of medical, financial, and/or other benefits.  

Job ID:  102683

About the Company 

At Torc, we have always believed that autonomous vehicle technology will transform how we travel, move freight, and do business.

A leader in autonomous driving since 2007, Torc has spent over a decade commercializing our solutions with experienced partners. Now a part of the Daimler family, we are focused solely on developing software for automated trucks to transform how the world moves freight. 

Join us and catapult your career with the company that helped pioneer autonomous technology, and the first AV software company with the vision to partner directly with a truck manufacturer. 

Meet the Team

As a Senior Machine Learning Engineer – Camera Models, you will develop and deploy machine learning models that power camera-based perception for autonomous trucks. The Camera Models team builds and maintains core vision systems that enable the autonomy stack to understand the environment, detect and localize objects, and estimate scene structure from camera data.

Working closely with teams across perception, data, and infrastructure, you will own the development and improvement of robust, scalable camera-based models that support safe and reliable autonomous driving in real-world freight environments.

This role focuses on owning model development for scoped problem areas, improving system performance through iteration, and delivering production-ready machine learning solutions within the autonomy stack.

What You’ll Do

• Design, develop, and deploy deep learning models for camera-based perception (e.g., object detection, segmentation, depth estimation, scene understanding)
• Own end-to-end model development for scoped areas, from data curation and training to evaluation and deployment
• Write production-quality ML code to support scalable training, evaluation, and inference pipelines
• Analyze model performance across diverse driving scenarios, identify failure modes, and improve robustness and generalization
• Contribute to and improve large-scale training pipelines, including dataset preparation, distributed training, and experiment tracking
• Partner with data teams to improve dataset quality, including labeling strategies and coverage of edge cases
• Collaborate with perception, simulation, and validation teams to evaluate and integrate models into the autonomy stack
• Improve tooling, workflows, and infrastructure to accelerate experimentation and model iteration
• Contribute to model architecture decisions and technical discussions within the team
• Mentor junior engineers on implementation, debugging, and best practices

What You’ll Need to Succeed

• Bachelor’s degree in Computer Science, Robotics, Electrical Engineering, Machine Learning, or a related technical field with 6+ years of industry experience, OR Master’s degree with 3+ years OR PhD with 1+ years of experience
• Experience developing and deploying deep learning models for computer vision or perception systems
• Strong programming skills in Python and PyTorch, with experience writing production-quality ML code
• Experience training and evaluating models using large-scale datasets and distributed compute environments
• Solid understanding of modern deep learning architectures used in perception (e.g., CNNs, transformers, multi-task models)
• Experience debugging model behavior, analyzing performance metrics, and improving model reliability
• Ability to translate ambiguous problems into structured ML solutions and deliver independently
• Experience collaborating cross-functionally to integrate ML models into larger autonomy or robotics systems

Bonus Points:

• Experience in autonomous driving, robotics, or simulation-based ML systems
• Experience with multi-task learning or unified perception architectures
• Experience with large-scale data pipelines, distributed training systems (e.g., Ray), or experiment management frameworks
• Familiarity with camera calibration, geometric reasoning, or 3D perception from images (e.g., BEV, monocular depth, structure-from-motion)
• Experience deploying ML models into production or real-world robotics systems

Work Location: For this position, we are open to hiring in either the Torc Montreal, Quebec (Canada) or Ann Arbor, MI (U.S.) office work locations in a hybrid capacity. We are also open to hiring Remote in the United States or Canada.

Perks of Being a Full-time Torc’r (Canada) 

Torc cares about our team members and we strive to provide benefits and resources to support their health, work/life balance, and future. Our culture is collaborative, energetic, and team focused. Torc offers: 

• A competitive compensation package that includes a bonus component and stock options
• Medical, dental, and vision for full-time employees
• RRSP plan with a 6% employer match
• Public Transit Subsidy (Montreal area only)
• Flexibility in schedule and generous paid vacation
• Company-wide holiday office closures
• Life Insurance 

 At Torc, we’re committed to building a diverse and inclusive workplace. We celebrate the uniqueness of our Torc’rs and do not discriminate based on race, religion, color, national origin, gender (including pregnancy, childbirth, or related medical conditions), sexual orientation, gender identity, gender expression, age, veteran status, or disabilities. Even if you don’t meet 100% of the qualifications listed for this opportunity, we encourage you to apply. 

Our compensation reflects the cost of labor across several geographic markets. Pay is based on a number of factors and may vary depending on job-related knowledge, skills, and experience. Torc's total compensation package will also include our corporate bonus and stock option plan. Dependent on the position offered, sign-on payments, relocation, and other forms of compensation may be provided as part of a total compensation package, in addition to a full range of medical, financial, and/or other benefits. 

Job ID:  R-102584

À propos de l’entreprise  

À Torc, nous avons toujours cru que la technologie des véhicules autonomes transformera la façon dont nous voyageons, transportons la marchandise et faisons des affaires.  

Leader de la conduite autonome depuis 2007, Torc a passé plus d’une décennie à commercialiser des solutions aux côtés de partenaires chevronnés. Nous faisons maintenant partie de la famille Daimler, ce qui nous permet de nous concentrer uniquement sur le développement de logiciels pour les camions automatisés. Nous transformerons la façon dont le monde transporte la marchandise.  

Joignez-vous à notre équipe : catapultez votre carrière au sein de l’entreprise ayant contribué à créer la technologie de conduite autonome (CA). Nous sommes la première entreprise de logiciels de CA ayant eu la vision de faire équipe directement avec un constructeur de camions. 

La connaissance de l’anglais est exigée puisque la personne retenue devra collaborer de façon journalière avec des collègues anglophones aux États-Unis et travailler avec la documentation technique rédigée uniquement en anglais. 

Rencontrez l’équipe 

En tant qu’ingénieur·e en apprentissage automatique, II - Comportements acquis, vous aiderez à développer et à déployer les modèles de comportements qui favorisent la prise de décision pour les camions autonomes. En travaillant en étroite collaboration avec les équipes de perception, de prédiction, de planification et de sécurité, vous contribuerez aux modules de comportements acquis permettant une conduite sécuritaire, efficace et semblable à celle d’un être humain lors d’opérations de transport dans le monde réel. Ce poste consiste à concevoir, valider et améliorer les modèles d’apprentissage automatique et l’infrastructure qui soutiennent les systèmes de comportements acquis au sein de la pile d’autonomie.

Ce que vous ferez 

• Développer et entraîner les modèles d’apprentissage automatique pour les systèmes de comportements acquis, y compris les approches comme le clonage de comportements, l’apprentissage par imitation et l’apprentissage par renforcement. 

• Mettre en œuvre un code d’AA de qualité production afin de soutenir l’entraînement, l’évaluation et l’inférence de modèles au sein de la pile d’autonomie. 

• Analyser le rendement de modèles, identifier les modes d’échec et proposer des améliorations afin d’augmenter la robustesse et la généralisation à travers différents scénarios. 

• Contribuer aux pipelines d’entraînement des modèles et flux de travail des données, organiser les ensembles de données des comportements provenant de la simulation, des registres de flotte et des données des véhicules. 

• Collaborer avec les équipes de simulation, de validation et d’ingénierie d’autonomie pour tester et évaluer les modèles de comportements acquis à travers divers environnements de conduite. 

• Aider à intégrer les modèles de comportements acquis dans les flux de travail de simulation et de test, permettant ainsi une itération plus rapide et une validation plus complète. 

• Soutenir le développement des outils et de l’infrastructure qui améliorent la vitesse d’expérimentation, la répétabilité et l’itération de modèles. 

• Contribuer aux discussions techniques par rapport aux architectures de modèles et aux stratégies d’entraînement au sein de l’équipe. 

Ce dont vous aurez besoin pour réussir 

• Baccalauréat en informatique, robotique, génie électrique, apprentissage automatique ou autre domaine technique connexe avec au moins 4 ans dans le milieu ou une maîtrise avec au moins 2 ans d’expérience. 

• Expérience en application de techniques d’apprentissage automatique, comme l’apprentissage par imitation, l’apprentissage par renforcement ou la modélisation par séquence, à la robotique, aux systèmes autonomes ou aux environnements de contrôle complexes. 

• Compétences robustes en programmation Python et PyTorch, avec de l’expérience en codage d’AA de qualité production. 

• Expérience en entraînement et évaluation de modèles d’apprentissage automatique à l’aide de grands ensembles de données et d’environnements informatiques adaptatifs. 

• Compréhension des architectures d’AA utilisées dans les systèmes de conduite autonome, comme les transformateurs, les réseaux neuronaux graphiques ou les modèles par séquence. 

• Expérience en débogage du comportement des modèles, en analyse des données métriques de rendement et en itération sur les pipelines d’entraînement. 

• Capacité à collaborer avec des équipes pluridisciplinaires afin d’intégrer les modèles d’AA à de plus grands systèmes logiciels. 

Points bonus 

• Expérience de travail en conduite autonome, en robotique ou dans des environnements d’apprentissage par simulation. 

• Expérience avec les cadres de travail de l’apprentissage par renforcement ou systèmes d’entraînement distribué (par ex., Ray). 

• Expérience de travail dans des environnements de simulation ou des ensembles de données de comportements à grande échelle. 

• Familiarité avec la dynamique du véhicule, la planification des mouvements ou des systèmes de prise de décision multiagent. 

• Expérience en déploiement de modèles d’AA dans les systèmes robotiques en temps réel ou de production. 

Avantages d’être un employé à temps plein Torc’r 

Torc se soucie de ses membres d'équipe et s'efforce de fournir des avantages et des ressources pour soutenir leur santé, leur équilibre entre vie professionnelle et vie personnelle, ainsi que leur avenir. Notre culture est collaborative, dynamique et axée sur le travail d'équipe. Torc offre: 

• Un programme de rémunération concurrentiel incluant un volet de primes et des options d’achat d’actions 

• Une couverture médicale, dentaire et de la vue pour les employés à temps plein 

• Un régime d’épargne-retraite (REER) avec une contribution de l’employeur de 6 % 

• Une subvention pour le transport en commun (uniquement dans la région de Montréal) 

• Une flexibilité des horaires et des vacances payées généreuses 

• Des fermetures de bureau pendant les congés fériés à l’échelle de l’entreprise 

• Une assurance-vie 

À Torc, nous nous engageons à cultiver un milieu de travail diversifié et inclusif. Nous célébrons l’unicité de chaque membre de l’équipe de Torc. Nous ne faisons pas de discrimination par rapport à l’origine ethnique, la religion, la couleur de peau, la nationalité, le genre (y compris la grossesse, les enfants ou autre condition médicale), l’orientation sexuelle, l’identité de genre, l’expression de genre, l’âge, le statut de vétéran ou les handicaps. 

Même si vous ne répondez pas à 100 % des qualifications énumérées pour ce poste, nous vous invitons à postuler. 

 Notre rémunération reflète le coût de la main-d'œuvre sur plusieurs marchés géographiques. Le salaire est déterminé en fonction d'un certain nombre de facteurs et peut varier en fonction des connaissances, des compétences et de l'expérience liées au poste. Le programme de rémunération globale de Torc comprend également notre prime corporative et notre régime d’options d’achat d’actions.  Selon le poste proposé, des primes d’embauche, des indemnités de relocalisation ou d’autres formes de rémunération peuvent aussi être inclus dans le cadre du programme de rémunération globale, en plus d’une gamme complète d’avantages sociaux, médicaux, financiers et/ou autres. 

Numéro de poste:  102515

À propos de l’entreprise  

À Torc, nous avons toujours cru que la technologie des véhicules autonomes transformera la façon dont nous voyageons, transportons la marchandise et faisons des affaires.  

Leader de la conduite autonome depuis 2007, Torc a passé plus d’une décennie à commercialiser des solutions aux côtés de partenaires chevronnés. Nous faisons maintenant partie de la famille Daimler, ce qui nous permet de nous concentrer uniquement sur le développement de logiciels pour les camions automatisés. Nous transformerons la façon dont le monde transporte la marchandise.  

Joignez-vous à notre équipe : catapultez votre carrière au sein de l’entreprise ayant contribué à créer la technologie de conduite autonome (CA). Nous sommes la première entreprise de logiciels de CA ayant eu la vision de faire équipe directement avec un constructeur de camions.  

La connaissance de l’anglais est exigée puisque la personne retenue devra collaborer de façon journalière avec des collègues anglophones aux États-Unis et travailler avec la documentation technique rédigée uniquement en anglais. 

Rencontrez l’équipe 

En tant qu’ingénieur·e en apprentissage automatique, II - De bout en bout, vous aiderez à développer et à déployer les modèles de bout en bout qui favorisent la perception et la prise de décision pour les camions autonomes. En travaillant en étroite collaboration avec les équipes de perception, de prédiction, de planification et de sécurité, vous contribuerez aux modèles de bout en bout permettant une conduite sécuritaire, efficace et semblable à celle d’un être humain lors d’opérations de transport dans le monde réel. Ce poste consiste à concevoir, valider et améliorer les modèles d’apprentissage automatique et l’infrastructure qui soutiennent les systèmes de bout en bout au sein de la pile d’autonomie.

Ce que vous ferez 

• Développer et entraîner les modèles d’apprentissage automatique pour la perception et planification de bout en bout, y compris les approches comme l’apprentissage par imitation et par renforcement. 

• Mettre en œuvre un code d’AA de qualité production afin de soutenir l’entraînement, l’évaluation et l’inférence de modèles au sein de la pile d’autonomie. 

• Analyser le rendement de modèles, identifier les modes d’échec et proposer des améliorations afin d’augmenter la robustesse et la généralisation à travers différents scénarios. 

• Contribuer aux pipelines d’entraînement des modèles et flux de travail des données, organiser les ensembles de données de la simulation, des registres de flotte et des données des véhicules. 

• Collaborer avec les équipes de simulation, de validation et d’ingénierie d’autonomie pour tester et évaluer les modèles de bout en bout à travers divers environnements de conduite. 

• Aider à intégrer les modèles de bout en bout dans les flux de travail de simulation et de test, permettant ainsi une itération plus rapide et une validation plus complète. 

• Soutenir le développement des outils et de l’infrastructure qui améliorent la vitesse d’expérimentation, la répétabilité et l’itération de modèles. 

• Contribuer aux discussions techniques par rapport aux architectures de modèles et aux stratégies d’entraînement au sein de l’équipe. 

Ce dont vous aurez besoin pour réussir 

• Baccalauréat en informatique, robotique, génie électrique, apprentissage automatique ou autre domaine technique connexe avec au moins 4 ans dans le milieu ou une maîtrise avec au moins 2 ans d’expérience. 

• Expérience en application de techniques d’apprentissage automatique, comme l’apprentissage par imitation ou l’apprentissage par renforcement, à la robotique, aux systèmes autonomes ou aux environnements de contrôle complexes. 

• Compétences robustes en programmation Python et PyTorch, avec de l’expérience en codage d’AA de qualité production. 

• Expérience en entraînement et évaluation de modèles d’apprentissage automatique à l’aide de grands ensembles de données et d’environnements informatiques adaptatifs. 

• Compréhension des architectures d’AA utilisées dans les systèmes de bout en bout, comme les modèles BEV, les transformateurs, les modèles VLA (Vision-Langage-Action) ou les modèles de diffusion. 

• Expérience en débogage du comportement des modèles, en analyse des données métriques de rendement et en itération sur les pipelines d’entraînement. 

• Capacité à collaborer avec des équipes pluridisciplinaires afin d’intégrer les modèles d’AA à de plus grands systèmes logiciels. 

Points bonus 

• Expérience de travail en conduite autonome, en robotique ou dans des environnements d’apprentissage par simulation. 

• Expérience avec les cadres de travail de l’apprentissage par renforcement ou systèmes d’entraînement distribué (par ex., Ray). 

• Expérience avec les modèles VLA ou le rendu neuronal. 

• Familiarité avec la dynamique du véhicule, la planification des mouvements ou des systèmes de prise de décision multiagent. 

• Expérience en déploiement de modèles d’AA dans les systèmes robotiques en temps réel ou de production. 

Avantages d’être un employé à temps plein Torc’r 

Torc se soucie de ses membres d'équipe et s'efforce de fournir des avantages et des ressources pour soutenir leur santé, leur équilibre entre vie professionnelle et vie personnelle, ainsi que leur avenir. Notre culture est collaborative, dynamique et axée sur le travail d'équipe. Torc offre: 

• Un programme de rémunération concurrentiel incluant un volet de primes et des options d’achat d’actions 

• Une couverture médicale, dentaire et de la vue pour les employés à temps plein 

• Un régime d’épargne-retraite (REER) avec une contribution de l’employeur de 6 % 

• Une subvention pour le transport en commun (uniquement dans la région de Montréal) 

• Une flexibilité des horaires et des vacances payées généreuses 

• Des fermetures de bureau pendant les congés fériés à l’échelle de l’entreprise 

• Une assurance-vie 

À Torc, nous nous engageons à cultiver un milieu de travail diversifié et inclusif. Nous célébrons l’unicité de chaque membre de l’équipe de Torc. Nous ne faisons pas de discrimination par rapport à l’origine ethnique, la religion, la couleur de peau, la nationalité, le genre (y compris la grossesse, les enfants ou autre condition médicale), l’orientation sexuelle, l’identité de genre, l’expression de genre, l’âge, le statut de vétéran ou les handicaps. 

Même si vous ne répondez pas à 100 % des qualifications énumérées pour ce poste, nous vous invitons à postuler. 

 Notre rémunération reflète le coût de la main-d'œuvre sur plusieurs marchés géographiques. Le salaire est déterminé en fonction d'un certain nombre de facteurs et peut varier en fonction des connaissances, des compétences et de l'expérience liées au poste. Le programme de rémunération globale de Torc comprend également notre prime corporative et notre régime d’options d’achat d’actions.  Selon le poste proposé, des primes d’embauche, des indemnités de relocalisation ou d’autres formes de rémunération peuvent aussi être inclus dans le cadre du programme de rémunération globale, en plus d’une gamme complète d’avantages sociaux, médicaux, financiers et/ou autres. 

Numéro de poste: 102514

À propos de l’entreprise  

À Torc, nous avons toujours cru que la technologie des véhicules autonomes transformera la façon dont nous voyageons, transportons la marchandise et faisons des affaires.  

Leader de la conduite autonome depuis 2007, Torc a passé plus d’une décennie à commercialiser des solutions aux côtés de partenaires chevronnés. Nous faisons maintenant partie de la famille Daimler, ce qui nous permet de nous concentrer uniquement sur le développement de logiciels pour les camions automatisés. Nous transformerons la façon dont le monde transporte la marchandise.  

Joignez-vous à notre équipe : catapultez votre carrière au sein de l’entreprise ayant contribué à créer la technologie de conduite autonome (CA). Nous sommes la première entreprise de logiciels de CA ayant eu la vision de faire équipe directement avec un constructeur de camions.  

La connaissance de l’anglais est exigée puisque la personne retenue devra collaborer de façon journalière avec des collègues anglophones aux États-Unis et travailler avec la documentation technique rédigée uniquement en anglais. 

Rencontrez l’équipe 

Comme Ingénieur·e en apprentissage automatique, II - Modèle de scène, vous contribuerez au développement et au déploiement de modèles d’apprentissage automatique qui permettent aux camions autonomes de comprendre leur environnement. Notre équipe travaille sur la conception de systèmes de perception multimodaux en représentation BEV (Bird's-Eye-View). Ceux-ci fusionnent les informations provenant des LiDARs, caméras, radars et cartes pour produire une représentation unifiée de la scène.  

En travaillant en étroite collaboration avec les équipes de perception, de prédiction, de planification et d’infrastructure de plateforme, vous contribuerez aux modèles qui détectent les objets, comprennent la structure des routes et génèrent des représentations spatio-temporelles utilisées par les systèmes de conduite autonome en aval.  

Ce poste consiste à développer et améliorer les modèles d’apprentissage profond, les pipelines d’entraînement et les flux de travail des données qui favorisent la compréhension au sein de la pile d’autonomie.

Ce que vous ferez 

• Développer et entraîner les modèles d’apprentissage automatique pour la compréhension de scènes, ce qui comprend des tâches comme la détection d’objet, la prédiction de route et de voie, la classification de grille par voxel sémantique, la prédiction d’occupation et la compréhension de cartes dans un espace BEV. 

• Mettre en œuvre un code d’AA de qualité production afin d’appuyer l’entraînement, l’évaluation et l’inférence de modèles au sein de la pile de perception. 

• Analyser le rendement de modèles, identifier les modes d’échec et proposer des améliorations afin d’augmenter la robustesse à travers différents environnements et diverses conditions de conduite. 

• Identifier et interpréter les objets, les voies, les obstacles et les conditions météorologiques dans l’environnement de conduite. 

• Appliquer des techniques de la science des données pour analyser le rendement des modèles, comprendre les distributions de données et identifier les « corner cases ». 

• Contribuer aux systèmes de perception multimodaux, en combinant les signaux provenant des LiDARs, caméras, radars et cartes dans des représentations unifiées des scènes. 

• Travailler avec des ensembles de données à grande échelle provenant des simulations, des registres de flotte et des véhicules afin d’organiser les données d’entraînement et d’améliorer le rendement des modèles. 

• Collaborer avec les équipes des données, du déploiement et de l’infrastructure afin d’évaluer les modèles de perception et d’assurer un rendement fiable lors de scénarios de conduite dans le monde réel. 

• Aider à intégrer les modèles de perception à la pile d’autonomie et tester les pipelines, permettant ainsi une expérimentation et une itération plus rapides. 

• Contribuer aux outils et à l’infrastructure qui améliorent l’efficacité de l’entraînement, le suivi de l’expérimentation et la répétabilité. 

• Participer aux discussions techniques par rapport aux architectures de modèles, aux stratégies de fusion de capteurs et aux approches d’entraînement au sein de l’équipe. 

Ce dont vous aurez besoin pour réussir 

• Baccalauréat en informatique, robotique, génie électrique, apprentissage automatique ou autre domaine technique connexe avec au moins 4 ans dans le milieu ou une maîtrise avec au moins 2 ans d’expérience. 

• Grande compréhension de la vision par ordinateur et des notions de base de l’apprentissage automatique. 

• Expérience en application de techniques d’apprentissage automatique, comme l’apprentissage par imitation, l’apprentissage par renforcement ou la modélisation par séquence, à la robotique, aux systèmes autonomes ou aux environnements de contrôle complexes. 

• Compétences robustes en programmation Python et PyTorch, avec de l’expérience en codage d’AA de qualité production. 

• Expérience en entraînement et évaluation de modèles d’apprentissage automatique à l’aide de grands ensembles de données et d’environnements informatiques adaptatifs. 

• Compréhension des architectures d’AA utilisées dans les systèmes de conduite autonome, comme les transformateurs, les réseaux neuronaux graphiques ou les modèles par séquence. 

• Expérience en débogage du comportement des modèles, en analyse des données métriques de rendement et en itération sur les pipelines d’entraînement. 

• Capacité à collaborer avec des équipes pluridisciplinaires afin d’intégrer les modèles d’AA à de plus grands systèmes logiciels. 

• Bon niveau de compétences en communication technique, écrite et verbale. 

• Esprit d’équipe positif. 

Points bonus 

• Doctorat en apprentissage automatique ou science des données. 

• Expérience de travail en conduite autonome, en robotique ou dans des environnements d’apprentissage par simulation. 

• Expérience avec les cadres d’apprentissage distribué ou l’infrastructure d’AA à grande échelle (par ex., Ray, Anyscale). 

• Expérience de travail dans des environnements de simulation ou des ensembles de données de comportements à grande échelle. 

• Familiarité avec la dynamique du véhicule, la planification des mouvements ou des systèmes de prise de décision multiagent. 

• Expérience en déploiement de modèles d’AA dans les systèmes robotiques en temps réel ou de production. 

• Expérience avec la fusion de capteurs multimodaux, dont les LiDARs, caméras, radars ou cartes. 

• Expérience de travail avec les représentations BEV, les grilles d’occupation ou les représentants de scènes 3D. 

Avantages d’être un employé à temps plein Torc’r 

Torc se soucie de ses membres d'équipe et s'efforce de fournir des avantages et des ressources pour soutenir leur santé, leur équilibre entre vie professionnelle et vie personnelle, ainsi que leur avenir. Notre culture est collaborative, dynamique et axée sur le travail d'équipe. Torc offre: 

• Un programme de rémunération concurrentiel incluant un volet de primes et des options d’achat d’actions 

• Une couverture médicale, dentaire et de la vue pour les employés à temps plein 

• Un régime d’épargne-retraite (REER) avec une contribution de l’employeur de 6 % 

• Une subvention pour le transport en commun (uniquement dans la région de Montréal) 

• Une flexibilité des horaires et des vacances payées généreuses 

• Des fermetures de bureau pendant les congés fériés à l’échelle de l’entreprise 

• Une assurance-vie 

À Torc, nous nous engageons à cultiver un milieu de travail diversifié et inclusif. Nous célébrons l’unicité de chaque membre de l’équipe de Torc. Nous ne faisons pas de discrimination par rapport à l’origine ethnique, la religion, la couleur de peau, la nationalité, le genre (y compris la grossesse, les enfants ou autre condition médicale), l’orientation sexuelle, l’identité de genre, l’expression de genre, l’âge, le statut de vétéran ou les handicaps. 

Même si vous ne répondez pas à 100 % des qualifications énumérées pour ce poste, nous vous invitons à postuler. 

 Notre rémunération reflète le coût de la main-d'œuvre sur plusieurs marchés géographiques. Le salaire est déterminé en fonction d'un certain nombre de facteurs et peut varier en fonction des connaissances, des compétences et de l'expérience liées au poste. Le programme de rémunération globale de Torc comprend également notre prime corporative et notre régime d’options d’achat d’actions.  Selon le poste proposé, des primes d’embauche, des indemnités de relocalisation ou d’autres formes de rémunération peuvent aussi être inclus dans le cadre du programme de rémunération globale, en plus d’une gamme complète d’avantages sociaux, médicaux, financiers et/ou autres. 

Numéro de poste:  102517

• Own development and delivery of End-to-End ML models that map multi-modal sensor inputs (camera, LiDAR, radar, maps) to driving-relevant outputs (trajectories, cost functions, or intermediate representations)
• Train and evaluate models using large-scale datasets from fleet logs, simulation, and synthetic data
• Analyze model performance, identify failure modes, and drive data-driven improvements in robustness and generalization
• Design and refine training pipelines, data workflows, and evaluation strategies to improve iteration speed and model quality
• Contribute to model architecture decisions, including approaches such as imitation learning, reinforcement learning, transformers, and vision-language-action (VLA) models
• Collaborate closely with Perception, Prediction, Planning, and Simulation teams to ensure alignment across the autonomy stack
• Support integration of E2E models into simulation and on-vehicle systems for closed-loop validation
• Improve tooling, experimentation workflows, and reproducibility across the team
• Mentor junior engineers and contribute to team-level best practices and technical discussions

• Bachelor’s degree with 6+ years, Master’s with 4+ years, or PhD with 0–2 years of experience in Machine Learning, Robotics, Computer Science, or a related field with a track record of publications in top-tier conferences (e.g., NeurIPS, ICML, ICLR, CVPR, ICCV, CoRL)
• Experience developing and deploying ML models for autonomous systems, robotics, or complex decision-making environments
• Strong programming skills in Python and PyTorch, with ability to write production-quality ML code
• Experience training and evaluating models using large-scale datasets and distributed compute environments
• Solid understanding of ML architectures used in E2E systems, such as Transformers, BEV models, VLA/VLM approaches, or diffusion models
• Proven ability to debug model behavior, analyze performance metrics, and drive iterative improvements
• Experience contributing to or influencing model architecture and training strategies
• Ability to work cross-functionally and integrate ML systems into larger autonomy pipelines

• Experience developing End-to-End or mid-to-end models for autonomous driving or robotics
• Experience with vision-language models (VLMs) or vision-language-action (VLA) systems
• Familiarity with closed-loop simulation and evaluation frameworks
• Experience with reinforcement learning or imitation learning in real-world systems
• Experience with distributed training frameworks (e.g., Ray)
• Understanding of vehicle dynamics, motion planning, or multi-agent systems

Work Location: For this position, we are open to hiring in Ann Arbor, MI (U.S.) office work locations in a hybrid capacity. We are also open to hiring Remote in the United States.

Perks of Being a Full-time Torc’r 

Torc cares about our team members and we strive to provide benefits and resources to support their health, work/life balance, and future. Our culture is collaborative, energetic, and team focused. Torc offers:   

• A competitive compensation package that includes a bonus component and stock options
• 100% paid medical, dental, and vision premiums for full-time employees   
• 401K plan with a 6% employer matchFlexibility in schedule and generous paid vacation (available immediately after start date)Company-wide holiday office closures
• AD+D and Life Insurance  

At Torc, we’re committed to building a diverse and inclusive workplace. We celebrate the uniqueness of our Torc’rs and do not discriminate based on race, religion, color, national origin, gender (including pregnancy, childbirth, or related medical conditions), sexual orientation, gender identity, gender expression, age, veteran status, or disabilities. 

Even if you don’t meet 100% of the qualifications listed for this opportunity, we encourage you to apply. 

Our compensation reflects the cost of labor across several geographic markets. Pay is based on a number of factors and may vary depending on job-related knowledge, skills, and experience. Torc's total compensation package will also include our corporate bonus and stock option plan. Dependent on the position offered, sign-on payments, relocation, and other forms of compensation may be provided as part of a total compensation package, in addition to a full range of medical, financial, and/or other benefits. 

Job ID: 102665

About the Company  

At Torc, we have always believed that autonomous vehicle technology will transform how we travel, move freight, and do business. 

A leader in autonomous driving since 2007, Torc has spent over a decade commercializing our solutions with experienced partners. Now a part of the Daimler family, we are focused solely on developing software for automated trucks to transform how the world moves freight.  

Join us and catapult your career with the company that helped pioneer autonomous technology, and the first AV software company with the vision to partner directly with a truck manufacturer. 

Meet the Team

As a Senior Machine Learning Engineer – Camera Models, you will develop and deploy machine learning models that power camera-based perception for autonomous trucks. The Camera Models team builds and maintains core vision systems that enable the autonomy stack to understand the environment, detect and localize objects, and estimate scene structure from camera data.

Working closely with teams across perception, data, and infrastructure, you will own the development and improvement of robust, scalable camera-based models that support safe and reliable autonomous driving in real-world freight environments.

This role focuses on owning model development for scoped problem areas, improving system performance through iteration, and delivering production-ready machine learning solutions within the autonomy stack.

What You’ll Do

• Design, develop, and deploy deep learning models for camera-based perception (e.g., object detection, segmentation, depth estimation, scene understanding)
• Own end-to-end model development for scoped areas, from data curation and training to evaluation and deployment
• Write production-quality ML code to support scalable training, evaluation, and inference pipelines
• Analyze model performance across diverse driving scenarios, identify failure modes, and improve robustness and generalization
• Contribute to and improve large-scale training pipelines, including dataset preparation, distributed training, and experiment tracking
• Partner with data teams to improve dataset quality, including labeling strategies and coverage of edge cases
• Collaborate with perception, simulation, and validation teams to evaluate and integrate models into the autonomy stack
• Improve tooling, workflows, and infrastructure to accelerate experimentation and model iteration
• Contribute to model architecture decisions and technical discussions within the team
• Mentor junior engineers on implementation, debugging, and best practices

What You’ll Need to Succeed

• Bachelor’s degree in Computer Science, Robotics, Electrical Engineering, Machine Learning, or a related technical field with 6+ years of industry experience, OR Master’s degree with 3+ years OR PhD with 1+ years of experience
• Experience developing and deploying deep learning models for computer vision or perception systems
• Strong programming skills in Python and PyTorch, with experience writing production-quality ML code
• Experience training and evaluating models using large-scale datasets and distributed compute environments
• Solid understanding of modern deep learning architectures used in perception (e.g., CNNs, transformers, multi-task models)
• Experience debugging model behavior, analyzing performance metrics, and improving model reliability
• Ability to translate ambiguous problems into structured ML solutions and deliver independently
• Experience collaborating cross-functionally to integrate ML models into larger autonomy or robotics systems

Bonus Points:

• Experience in autonomous driving, robotics, or simulation-based ML systems
• Experience with multi-task learning or unified perception architectures
• Experience with large-scale data pipelines, distributed training systems (e.g., Ray), or experiment management frameworks
• Familiarity with camera calibration, geometric reasoning, or 3D perception from images (e.g., BEV, monocular depth, structure-from-motion)
• Experience deploying ML models into production or real-world robotics systems

Work Location: For this position, we are open to hiring in either the Ann Arbor, MI OR Blacksburg, VA (U.S.) office work locations in a hybrid capacity. We are also open to hiring Remote in the United States 

Perks of Being a Full-time Torc’r  

Torc cares about our team members and we strive to provide benefits and resources to support their health, work/life balance, and future. Our culture is collaborative, energetic, and team focused. Torc offers:    

• A competitive compensation package that includes a bonus component and stock options  

• 100% paid medical, dental, and vision premiums for full-time employees    

• 401K plan with a 6% employer match  

• Flexibility in schedule and generous paid vacation (available immediately after start date)  

• Company-wide holiday office closures  

• AD+D and Life Insurance   

At Torc, we’re committed to building a diverse and inclusive workplace. We celebrate the uniqueness of our Torc’rs and do not discriminate based on race, religion, color, national origin, gender (including pregnancy, childbirth, or related medical conditions), sexual orientation, gender identity, gender expression, age, veteran status, or disabilities.  
Even if you don’t meet 100% of the qualifications listed for this opportunity, we encourage you to apply.  

Our compensation reflects the cost of labor across several geographic markets. Pay is based on a number of factors and may vary depending on job-related knowledge, skills, and experience. Torc's total compensation package will also include our corporate bonus and stock option plan. Dependent on the position offered, sign-on payments, relocation, and other forms of compensation may be provided as part of a total compensation package, in addition to a full range of medical, financial, and/or other benefits.  

Job ID:  102584

Meet the Team: 
As a Machine Learning Engineer II – Learned Behaviors, you will help develop and deploy  behavior models that power decision-making for autonomous trucks. Working closely with teams across perception, prediction, planning, and safety, you will contribute to learned behavior modules that enable safe, efficient, and human-like driving in real-world freight operations. 
 
This role focuses on building, validating, and improving machine learning models and infrastructure that support learned behavior systems within the autonomy stack. 
 
What You’ll Do 

• Develop and train machine learning models for learned behavior systems, including approaches such as behavior cloning, imitation learning, and reinforcement learning. 

• Implement production-quality ML code to support model training, evaluation, and inference within the autonomy stack. 

• Analyze model performance, identify failure modes, and propose improvements to increase robustness and generalization across scenarios. 

• Contribute to model training pipelines and data workflows, curating behavior datasets from simulation, fleet logs, and on-vehicle data. 

• Collaborate with simulation, validation, and autonomy engineering teams to test and evaluate learned behavior models across diverse driving environments. 

• Help integrate learned behavior models into simulation and testing workflows, enabling faster iteration and more comprehensive validation. 

• Support the development of tooling and infrastructure that improves experimentation speed, reproducibility, and model iteration. 

• Contribute to technical discussions around model architecture and training strategies within the team. 

 
 
 
 
What You’ll Need to Succeed 

• Bachelor’s degree in Computer Science, Robotics, Electrical Engineering, Machine Learning, or a related technical field with 4+ years of industry experience, or a Master’s degree with 2+ years of experience. 

• Experience applying machine learning techniques such as imitation learning, reinforcement learning, or sequence modeling to robotics, autonomous systems, or complex control environments. 

• Strong programming skills in Python and PyTorch, with experience writing production-quality ML code. 

• Experience training and evaluating machine learning models using large datasets and scalable compute environments. 

• Understanding of ML architectures used in autonomy systems, such as transformers, graph neural networks, or sequence models. 

• Experience debugging model behavior, analyzing performance metrics, and iterating on training pipelines. 

• Ability to collaborate with cross-functional teams to integrate ML models into larger software systems. 

 
 
Bonus Points! 

• Experience working in autonomous driving, robotics, or simulation-based training environments. 

• Experience with reinforcement learning frameworks or distributed training systems (e.g., Ray). 

• Experience working with simulation environments or large-scale behavior datasets. 

• Familiarity with vehicle dynamics, motion planning, or multi-agent decision-making systems. 

• Experience deploying ML models into production or real-world robotics systems. 

Hiring Range for Job Opening  

US Pay Range 

$153,200 - $183,300 USD 

Job ID: 102515

Meet the Team: 
As a Machine Learning Engineer II – Scene Model, you will help develop and deploy machine learning models that enable autonomous trucks to understand their surrounding environment. Our team focuses on building multi-modal perception systems in bird’s-eye-view (BEV) that fuse information from LiDAR, cameras, radar, and map inputs to produce a unified representation of the scene.  

Working closely with teams across perception, prediction, planning, and platform infrastructure, you will contribute to models that detect objects, understand road structure, and generate spatial temporal representations used by downstream autonomy systems.  

This role focuses on developing and improving deep learning models, training pipelines, and data workflows that power scene understanding within the autonomy stack. 

What You’ll Do 

• Develop and train machine learning models for scene understanding, including tasks such as object detection, road and lane prediction, semantic voxel grid classification, occupancy prediction, and map understanding in bird’s-eye-view (BEV) space. 

• Implement production-quality ML code to support model training, evaluation, and inference within the perception stack. 

• Analyze model performance, identify failure modes, and propose improvements to increase robustness across diverse driving environments and conditions. 

• Identify and interpret objects, lanes, obstacles, and weather conditions in the driving environment. 

• Apply data science techniques to analyze model performance, understand data distributions, and identify corner cases. 

• Contribute to multi-modal perception systems, combining signals from LiDAR, cameras, radar, and map sources into unified scene representations. 

• Work with large-scale datasets from simulation, fleet logs, and on-vehicle data to curate training data and improve model performance. 

• Collaborate with data, deployment, and infrastructure teams to evaluate perception models and ensure reliable performance in real-world driving scenarios. 

• Help integrate perception models into the autonomy stack and testing pipelines, enabling faster experimentation and iteration. 

• Contribute to tooling and infrastructure that improves training efficiency, experiment tracking, and reproducibility. 

• Participate in technical discussions around model architectures, sensor fusion strategies, and training approaches within the team.  

What You’ll Need to Succeed 

• Bachelor’s degree in Computer Science, Robotics, Electrical Engineering, Machine Learning, or a related technical field with 4+ years of industry experience, or a Master’s degree with 2+ years of experience. 

• Strong understanding of computer-vision, and machine learning basics. 

• Experience applying machine learning techniques such as imitation learning, reinforcement learning, or sequence modeling to robotics, autonomous systems, or complex control environments. 

• Strong programming skills in Python and PyTorch, with experience writing production-quality ML code. 

• Experience training and evaluating machine learning models using large datasets and scalable compute environments. 

• Understanding of ML architectures used in autonomy systems, such as transformers, graph neural networks, or sequence models. 

• Experience debugging model behavior, analyzing performance metrics, and iterating on training pipelines. 

• Ability to collaborate with cross-functional teams to integrate ML models into larger software systems. 

• Good technical communication skills, written and verbal. 

• A positive team-player mindset.  

Bonus Points! 

• PhD in machine learning or data science. 

• Experience working in autonomous driving, robotics, or simulation-based training environments. 

• Experience with distributed training frameworks or large-scale ML infrastructure (e.g., Ray, Anyscale). 

• Experience working with simulation environments or large-scale behavior datasets. 

• Familiarity with vehicle dynamics, motion planning, or multi-agent decision-making systems. 

• Experience deploying ML models into production or real-world robotics systems. 

• Experience with multi-modal sensor fusion, including LiDAR, cameras, radar, or map inputs. 

• Experience working with BEV representations, occupancy grids, or 3D scene representations. 

Hiring Range for Job Opening  

US Pay Range 

$153,200 - $183,300 USD 

Job ID: 102517

Meet the Team: 
As a Machine Learning Engineer II – End-to-End, you will help develop and deploy End-to-End models that power both perception and decision-making for autonomous trucks. Working closely with teams across perception, prediction, planning, and safety, you will contribute to End-to-End models that enable safe, efficient, and human-like driving in real-world freight operations. 
 
This role focuses on building, validating, and improving machine learning models and infrastructure that support End-to-End systems within the autonomy stack. 
 
What You’ll Do 

• Develop and train machine learning models for End-to-End percetion and planning, including approaches such as imitation learning and reinforcement learning. 

• Implement production-quality ML code to support model training, evaluation, and inference within the autonomy stack. 

• Analyze model performance, identify failure modes, and propose improvements to increase robustness and generalization across scenarios. 

• Contribute to model training pipelines and data workflows, curating datasets from simulation, fleet logs, and on-vehicle data. 

• Collaborate with simulation, validation, and autonomy engineering teams to test and evaluate End-to-End models across diverse driving environments. 

• Help integrate End-to-End models into simulation and testing workflows, enabling faster iteration and more comprehensive validation. 

• Support the development of tooling and infrastructure that improve experimentation speed, reproducibility, and model iteration. 

• Contribute to technical discussions around model architecture and training strategies within the team. 

 
 
 
 
What You’ll Need to Succeed 

• Bachelor’s degree in Computer Science, Robotics, Electrical Engineering, Machine Learning, or a related technical field with 4+ years of industry experience, or a Master’s degree with 2+ years of experience. 

• Experience applying machine learning techniques such as computer vision, imitation learning, or reinforcement learning, to robotics, autonomous systems, or complex control environments. 

• Strong programming skills in Python and PyTorch, with experience writing production-quality ML code. 

• Experience training and evaluating machine learning models using large datasets and scalable compute environments. 

• Understanding of ML architectures used in End-to-End systems, such as BEV models, Transformers, VLA, or diffusion models. 

• Experience debugging model behavior, analyzing performance metrics, and iterating on training pipelines. 

• Ability to collaborate with cross-functional teams to integrate ML models into larger software systems. 

 
 
Bonus Points! 

• Experience working in autonomous driving, robotics, or simulation-based training environments. 

• Experience with reinforcement learning frameworks or distributed training systems (e.g., Ray). 

• Experience with VLA or Neural Rendering. 

• Familiarity with vehicle dynamics, motion planning, or multi-agent decision-making systems. 

• Experience deploying ML models into production or real-world robotics systems. 

Hiring Range for Job Opening  

US Pay Range 

$153,200 - $183,300 USD 

Job ID: 102514

About the Company 

At Torc, we have always believed that autonomous vehicle technology will transform how we travel, move freight, and do business.

A leader in autonomous driving since 2007, Torc has spent over a decade commercializing our solutions with experienced partners. Now a part of the Daimler family, we are focused solely on developing software for automated trucks to transform how the world moves freight. 

Join us and catapult your career with the company that helped pioneer autonomous technology, and the first AV software company with the vision to partner directly with a truck manufacturer. 

Meet the Team: 

As a Staff Machine Learning Engineer specializing in BEV (Bird’s-Eye View) and Multi-Modal Perception, you will lead the development of next-generation models that unify information across cameras, LiDAR and radar to deliver a rich spatial understanding of the driving environment. 

You will drive architectural innovation, large-scale model training, and data-driven improvements that directly advance the perception capabilities at the heart of Torc’s autonomous driving stack. 

This is a technical leadership role focused on model innovation and maturity, not downstream feature integration. 

What You’ll Do 

• Lead BEV model development: Define and execute the technical roadmap for BEV-based perception models across multiple tasks (e.g., detection, segmentation, road topology, and scene understanding). 
• Design advanced multi-modal architectures that fuse heterogeneous sensor data (camera, LiDAR, radar, HD maps) into unified spatial representations.
• Develop foundational perception models leveraging BEV transformers, voxel-based encoders, or implicit scene representations.
• Own large-scale training workflows — from data sampling strategies and augmentation pipelines to distributed training and hyperparameter optimization.
• Advance model robustness and generalization, addressing long-tail conditions such as low visibility, occlusions, and rare scene configurations.
• Establish evaluation frameworks for geometric accuracy, temporal stability, and cross-domain transfer performance.
• Collaborate cross-functionally with sensor calibration, mapping, and fusion teams to ensure cohesive perception model interfaces.
• Mentor and guide ML engineers, cultivating best practices in experimentation, code quality, and model validation.
• Stay at the forefront of ML research, exploring self-supervised learning, large-scale pretraining, or foundation models for 3D perception. 

What You’ll Need to Succeed 

• 10+ years of experience in deep learning for perception, 3D vision, and/or autonomous systems
• M.S. or Ph.D. in Computer Science, Electrical Engineering, Robotics, or related field (or equivalent practical experience).
• Proven expertise in BEV modeling, 3D scene understanding, and multi-view fusion.
• Strong background in multi-modal sensor fusion, particularly integrating camera and LiDAR data.
• Proficiency in Python and deep learning frameworks such as PyTorch or TensorFlow.
• Experience with large-scale data pipelines, distributed training, and experiment management systems.
• Demonstrated leadership in driving ML model innovation and mentoring technical teams. 

Bonus Points! 

• Experience with autonomous driving or robotics perception in production environments.
• Experience with MLOps and infrastructure tools (Ray)
• Hands-on expertise in BEV-based ML architectures, LiDAR-vision fusion, or spatial-temporal modeling.
• Familiarity with 3D labeling, calibration, and sensor simulation pipelines.
• Track record of publications or open-source contributions in top-tier venues (CVPR, ICCV, NeurIPS, ICRA, CoRL).
• Understanding of performance tradeoffs and deployment constraints (latency, memory, accuracy). 

Knowledge of English is required since the selected candidate will need to collaborate daily with English-speaking colleagues in the United States and work with technical documentation written exclusively in English. 

Work Location: For this position, we are open to hiring in either the Torc Montreal, Quebec (Canada) or Ann Arbor, MI (U.S.) office work locations in a hybrid capacity. We are also open to hiring Remote in the United States or Canada.

Perks of Being a Full-time Torc’r (Canada) 

Torc cares about our team members and we strive to provide benefits and resources to support their health, work/life balance, and future. Our culture is collaborative, energetic, and team focused. Torc offers: 

• A competitive compensation package that includes a bonus component and stock options
• Medical, dental, and vision for full-time employees
• RRSP plan with a 4% employer match
• Public Transit Subsidy (Montreal area only)
• Flexibility in schedule and generous paid vacation
• Company-wide holiday office closures
• Life Insurance 

 At Torc, we’re committed to building a diverse and inclusive workplace. We celebrate the uniqueness of our Torc’rs and do not discriminate based on race, religion, color, national origin, gender (including pregnancy, childbirth, or related medical conditions), sexual orientation, gender identity, gender expression, age, veteran status, or disabilities. Even if you don’t meet 100% of the qualifications listed for this opportunity, we encourage you to apply. 

Our compensation reflects the cost of labor across several geographic markets. Pay is based on a number of factors and may vary depending on job-related knowledge, skills, and experience. Torc's total compensation package will also include our corporate bonus and stock option plan. Dependent on the position offered, sign-on payments, relocation, and other forms of compensation may be provided as part of a total compensation package, in addition to a full range of medical, financial, and/or other benefits. 

CAD Compensation Range: $209,300-313,800 CAD

Job ID: 102405

À propos de l’entreprise  

À Torc, nous avons toujours cru que la technologie des véhicules autonomes transformera la façon dont nous voyageons, transportons la marchandise et faisons des affaires.  

Leader de la conduite autonome depuis 2007, Torc a passé plus d’une décennie à commercialiser des solutions aux côtés de partenaires chevronnés. Nous faisons maintenant partie de la famille Daimler, ce qui nous permet de nous concentrer uniquement sur le développement de logiciels pour les camions automatisés. Nous transformerons la façon dont le monde transporte la marchandise.  

Joignez-vous à notre équipe : catapultez votre carrière au sein de l’entreprise ayant contribué à créer la technologie de conduite autonome (CA). Nous sommes la première entreprise de logiciels de CA ayant eu la vision de faire équipe directement avec un constructeur de camions.  

Rencontrez l’équipe : 

En tant qu’ingénieur(e) “Staff" en apprentissage automatique spécialisé(e) dans le BEV (Bird’s-Eye View) et la Perception multimodale, vous dirigerez le développement de modèles de nouvelle génération qui unifient les informations provenant des caméras, du LiDAR et du radar pour offrir une riche compréhension spatiale de l’environnement de conduite. 

Vous conduirez l’innovation architecturale, la formation de modèles à grande échelle et les améliorations basées sur les données qui font directement progresser les capacités de perception au cœur de la pile de conduite autonome de Torc. 

Il s’agit d’un rôle de leadership technique axé sur l’innovation et la maturité du modèle, et non sur l’intégration des fonctionnalités en aval. 

Ce que vous ferez 

• Diriger le développement du modèle BEV : Définir et exécuter la feuille de route technique pour les modèles de perception basés sur le BEV à travers de multiples tâches (par exemple, la détection, la segmentation, la topologie de la route et la compréhension de la scène). 
• Concevoir des architectures multimodales avancées qui fusionnent des données de capteurs hétérogènes (caméra, LiDAR, radar, cartes HD) en représentations spatiales unifiées.
• Développer des modèles de perception fondamentaux en s’appuyant sur les transformateurs BEV, les encodeurs basés sur les voxels ou les représentations implicites de la scène.
• Possède des flux de travail de formation à grande échelle, depuis des stratégies d’échantillonnage de données et des pipelines d’augmentation jusqu’à la formation distribuée et à l’optimisation des hyperparamètres.
• Améliorer la robustesse et la généralisation du modèle, en tenant compte des conditions de longue traîne, telles que la faible visibilité, les occlusions et les configurations rares de la scène.
• Établir des cadres d’évaluation pour la précision géométrique, la stabilité temporelle et les performances de transfert entre domaines.
• Collaborer de manière transversale avec les équipes chargées de l’étalonnage des capteurs, de la cartographie et de la fusion afin d’assurer la cohésion des interfaces des modèles de perception.
• Encadrer et guider les ingénieurs en apprentissage automatique, en cultivant les meilleures pratiques en matière d’expérimentation, de qualité du code et de validation des modèles.
• Reste à la pointe de la recherche en apprentissage automatique, en explorant l’apprentissage autosupervisé, le préentraînement à grande échelle, ou les modèles de base pour la perception 3D. 

Ce dont vous aurez besoin pour réussir : 

• Maîtrise ou doctorat en informatique, génie électrique, robotique ou autre domaine connexe (ou expérience pratique équivalente).
• 10 ans d’expérience et plus en apprentissage approfondi pour la perception, la vision 3D, ou les systèmes autonomes.
• Expertise avérée dans la modélisation BEV, la compréhension des scènes 3D et la fusion multivue.
• Solide expérience en fusion de capteurs multimodaux, en particulier l’intégration de données d’appareils photo et de LiDAR.
• Maîtrise de Python et des Cadres d’applications d’apprentissage approfondi, tels que PyTorch ou TensorFlow.
• Expérience des pipelines de données à grande échelle, de la formation distribuée et des systèmes de gestion des expériences.
• Leadership avéré dans la conduite de l’innovation en matière de modèles d’apprentissage automatique et dans le mentorat d’équipes techniques. 

Points bonus! 

• Expérience de la conduite autonome ou de la perception robotique dans des environnements de production.
• Expérience des outils MLOps et d’infrastructure (Ray)
• Expertise pratique dans les architectures d’apprentissage automatique basées sur le BEV, la fusion LiDAR-vision ou la modélisation spatio-temporelle.
• Familiarité avec l’étiquetage 3D, l’étalonnage et les pipelines de simulation de capteurs.
• Expérience de publications ou de contributions à des logiciels libres dans des domaines de premier plan (CVPR, ICCV, NeurIPS, ICRA, CoRL).
• Compréhension des compromis de performance et des contraintes de déploiement (latence, mémoire, précision). 

La connaissance de l’anglais est exigée puisque la personne retenue devra collaborer de façon journalière avec des collègues anglophones aux États-Unis et travailler avec la documentation technique rédigée uniquement en anglais. 

Avantages d’être un employé à temps plein Torc’r 

Torc se soucie de ses membres d'équipe et s'efforce de fournir des avantages et des ressources pour soutenir leur santé, leur équilibre entre vie professionnelle et vie personnelle, ainsi que leur avenir. Notre culture est collaborative, dynamique et axée sur le travail d'équipe. Torc offre: 

• Un programme de rémunération concurrentiel incluant un volet de primes et des options d’achat d’actions
• Une couverture médicale, dentaire et de la vue pour les employés à temps plein
• Un régime d’épargne-retraite (REER) avec une contribution de l’employeur de 4 %
• Une subvention pour le transport en commun (uniquement dans la région de Montréal)
• Une flexibilité des horaires et des vacances payées généreuses
• Des fermetures de bureau pendant les congés fériés à l’échelle de l’entreprise
• Une assurance-vie 

Notre rémunération reflète le coût de la main-d'œuvre sur plusieurs marchés géographiques. Le salaire est déterminé en fonction d'un certain nombre de facteurs et peut varier en fonction des connaissances, des compétences et de l'expérience liées au poste. Le programme de rémunération globale de Torc comprend également notre prime corporative et notre régime d’options d’achat d’actions.  Selon le poste proposé, des primes d’embauche, des indemnités de relocalisation ou d’autres formes de rémunération peuvent aussi être inclus dans le cadre du programme de rémunération globale, en plus d’une gamme complète d’avantages sociaux, médicaux, financiers et/ou autres. 

À Torc, nous nous engageons à cultiver un milieu de travail diversifié et inclusif. Nous célébrons l’unicité de chaque membre de l’équipe de Torc. Nous ne faisons pas de discrimination par rapport à l’origine ethnique, la religion, la couleur de peau, la nationalité, le genre (y compris la grossesse, les enfants ou autre condition médicale), l’orientation sexuelle, l’identité de genre, l’expression de genre, l’âge, le statut de vétéran ou les handicaps. 

Même si vous ne répondez pas à 100 % des qualifications énumérées pour ce poste, nous vous invitons à postuler. 

Numéro de poste: 102405

Fourchette salariale pour le poste Fourchette de rémunération au Canada:

$209,200 - $313,800 CAD

About the Company 

At Torc, we have always believed that autonomous vehicle technology will transform how we travel, move freight, and do business.

A leader in autonomous driving since 2007, Torc has spent over a decade commercializing our solutions with experienced partners. Now a part of the Daimler family, we are focused solely on developing software for automated trucks to transform how the world moves freight. 

Join us and catapult your career with the company that helped pioneer autonomous technology, and the first AV software company with the vision to partner directly with a truck manufacturer. 

Meet the Team: 

As a Staff Machine Learning Engineer specializing in BEV (Bird’s-Eye View) and Multi-Modal Perception, you will lead the development of next-generation models that unify information across cameras, LiDAR and radar to deliver a rich spatial understanding of the driving environment. 

You will drive architectural innovation, large-scale model training, and data-driven improvements that directly advance the perception capabilities at the heart of Torc’s autonomous driving stack. 

This is a technical leadership role focused on model innovation and maturity, not downstream feature integration. 

What You’ll Do 

• Lead BEV model development: Define and execute the technical roadmap for BEV-based perception models across multiple tasks (e.g., detection, segmentation, road topology, and scene understanding). 
• Design advanced multi-modal architectures that fuse heterogeneous sensor data (camera, LiDAR, radar, HD maps) into unified spatial representations.
• Develop foundational perception models leveraging BEV transformers, voxel-based encoders, or implicit scene representations.
• Own large-scale training workflows — from data sampling strategies and augmentation pipelines to distributed training and hyperparameter optimization.
• Advance model robustness and generalization, addressing long-tail conditions such as low visibility, occlusions, and rare scene configurations.
• Establish evaluation frameworks for geometric accuracy, temporal stability, and cross-domain transfer performance.
• Collaborate cross-functionally with sensor calibration, mapping, and fusion teams to ensure cohesive perception model interfaces.
• Mentor and guide ML engineers, cultivating best practices in experimentation, code quality, and model validation.
• Stay at the forefront of ML research, exploring self-supervised learning, large-scale pretraining, or foundation models for 3D perception. 

What You’ll Need to Succeed 

• 10+ years of experience in deep learning for perception, 3D vision, and/or autonomous systems
• M.S. or Ph.D. in Computer Science, Electrical Engineering, Robotics, or related field (or equivalent practical experience).
• Proven expertise in BEV modeling, 3D scene understanding, and multi-view fusion.
• Strong background in multi-modal sensor fusion, particularly integrating camera and LiDAR data.
• Proficiency in Python and deep learning frameworks such as PyTorch or TensorFlow.
• Experience with large-scale data pipelines, distributed training, and experiment management systems.
• Demonstrated leadership in driving ML model innovation and mentoring technical teams. 

Bonus Points! 

• Experience with autonomous driving or robotics perception in production environments.
• Experience with MLOps and infrastructure tools (Ray)
• Hands-on expertise in BEV-based ML architectures, LiDAR-vision fusion, or spatial-temporal modeling.
• Familiarity with 3D labeling, calibration, and sensor simulation pipelines.
• Track record of publications or open-source contributions in top-tier venues (CVPR, ICCV, NeurIPS, ICRA, CoRL).
• Understanding of performance tradeoffs and deployment constraints (latency, memory, accuracy). 

Work Location: For this position, we are open to hiring in either the Torc Montreal, Quebec (Canada) or Ann Arbor, MI (U.S.) office work locations in a hybrid capacity. We are also open to hiring Remote in the United States or Canada.

Perks of Being a Full-time Torc’r

Torc cares about our team members and we strive to provide benefits and resources to support their health, work/life balance, and future. Our culture is collaborative, energetic, and team focused. Torc offers:  

• A competitive compensation package that includes a bonus component and stock options
• 100% paid medical, dental, and vision premiums for full-time employees  
• 401K plan with a 6% employer match
• Flexibility in schedule and generous paid vacation (available immediately after start date)
• Company-wide holiday office closures
• AD+D and Life Insurance 

At Torc, we’re committed to building a diverse and inclusive workplace. We celebrate the uniqueness of our Torc’rs and do not discriminate based on race, religion, color, national origin, gender (including pregnancy, childbirth, or related medical conditions), sexual orientation, gender identity, gender expression, age, veteran status, or disabilities. 
Even if you don’t meet 100% of the qualifications listed for this opportunity, we encourage you to apply. 

Our compensation reflects the cost of labor across several geographic markets. Pay is based on a number of factors and may vary depending on job-related knowledge, skills, and experience. Torc's total compensation package will also include our corporate bonus and stock option plan. Dependent on the position offered, sign-on payments, relocation, and other forms of compensation may be provided as part of a total compensation package, in addition to a full range of medical, financial, and/or other benefits. 

US Base Pay Range:

$219,700.00 - $329,600.00 

Job ID: 102405

About the Company 

At Torc, we have always believed that autonomous vehicle technology will transform how we travel, move freight, and do business.

A leader in autonomous driving since 2007, Torc has spent over a decade commercializing our solutions with experienced partners. Now a part of the Daimler family, we are focused solely on developing software for automated trucks to transform how the world moves freight. 

Join us and catapult your career with the company that helped pioneer autonomous technology, and the first AV software company with the vision to partner directly with a truck manufacturer. 

Meet the Team: 

As a Staff Machine Learning Engineer focused on Road & Lane Detection, you will lead the model development efforts that enable Torc’s autonomous vehicles to perceive and interpret road geometry, lane structures, and drivable surfaces with precision and robustness. 

You’ll define the next generation of deep learning architectures and data-driven approaches that extract high-fidelity road and lane semantics from multi-modal sensor data — driving critical improvements in perception accuracy, stability, and scalability. 

This is a technical leadership role focused on model innovation and maturity, not downstream feature integration. 

What You’ll Do 

• Own the model roadmap for Road & Lane Detection within the Model Dev ML org — from concept through production-grade model maturity. 

• Research, design, and train advanced neural architectures (e.g., multi-camera BEV transformers, LiDAR-vision fusion models, topological lane graph networks) to detect, segment, and model road structures and lane connectivity. 

• Lead data strategy for this domain — defining data curation, labeling policies, and active learning pipelines to capture long-tail scenarios (e.g., occlusions, complex merges, construction zones). 

• Develop robust metrics and evaluation frameworks for lane and road geometry accuracy, temporal consistency, and cross-domain generalization. 

• Advance foundational capabilities such as self-supervised pretraining, synthetic-to-real adaptation, and temporal modeling for road and lane understanding. 

• Drive large-scale experiments — designing, running, and analyzing results from distributed training workflows and ablations to identify scalable improvements. 

• Collaborate with other model dev/perception teams to ensure model coherence and interface consistency. 

• Mentor engineers and scientists, setting best practices for model training, evaluation, and code quality. 

• Stay ahead of the research frontier by evaluating and adapting emerging techniques (e.g., BEV-based large models, vectorized map prediction, lane graph transformers) to production-grade perception. 

What You’ll Need to Succeed 

• 10+ years of experience developing deep learning models for perception or computer vision at scale. 

• M.S. or Ph.D. in Computer Science, Electrical Engineering, Robotics, or a related field (or equivalent experience). 

• Deep expertise in semantic and instance segmentation, BEV modeling, or scene topology estimation. 

• Strong understanding of lane and road geometry modeling, camera calibration, and sensor projection. 

• Proficiency with Python and modern ML frameworks (e.g., PyTorch, Lightning). 

• Experience with distributed training pipelines, experiment management, and large-scale dataset handling. 

• Proven leadership in guiding technical roadmaps, mentoring engineers, and driving measurable model improvements. 

Bonus Points! 

• Experience developing ML models for autonomous driving, mapping, or ADAS systems. 

• Familiarity with multi-modal fusion (camera, LiDAR, radar, HD maps). 

• Hands-on experience with BEV-based and topological prediction models. 

• Contributions to perception-related ML research (CVPR, NeurIPS, ICCV, ICLR, ICRA). 

• Strong intuition for data quality, bias mitigation, and uncertainty modeling. 

Work Location: For this position, we are open to hiring in either the Torc Montreal, Quebec (Canada) or Ann Arbor, MI (U.S.) office work locations in a hybrid capacity. We are also open to hiring Remote in the United States or Canada.

Perks of Being a Full-time Torc’r 
Torc cares about our team members and we strive to provide benefits and resources to support their health, work/life balance, and future. Our culture is collaborative, energetic, and team focused. Torc offers:    
 

• A competitive compensation package that includes a bonus component and stock options 

• 100% paid medical, dental, and vision premiums for full-time employees 

• 401K plan with a 6% employer match 

• Flexibility in schedule and generous paid vacation (available immediately after start date) 

• AD+D and Life Insurance 

At Torc, we’re committed to building a diverse and inclusive workplace. We celebrate the uniqueness of our Torc’rs and do not discriminate based on race, religion, color, national origin, gender (including pregnancy, childbirth, or related medical conditions), sexual orientation, gender identity, gender expression, age, veteran status, or disabilities. 
Even if you don’t meet 100% of the qualifications listed for this opportunity, we encourage you to apply. 

Our compensation reflects the cost of labor across several geographic markets. Pay is based on a number of factors and may vary depending on job-related knowledge, skills, and experience. Torc's total compensation package will also include our corporate bonus and stock option plan. Dependent on the position offered, sign-on payments, relocation, and other forms of compensation may be provided as part of a total compensation package, in addition to a full range of medical, financial, and/or other benefits. 

Hiring Range for Job Opening  

US Pay Range 

$219,700 - $329,600 USD 

Job ID: 102402

About the Company 

At Torc, we have always believed that autonomous vehicle technology will transform how we travel, move freight, and do business.

A leader in autonomous driving since 2007, Torc has spent over a decade commercializing our solutions with experienced partners. Now a part of the Daimler family, we are focused solely on developing software for automated trucks to transform how the world moves freight. 

Join us and catapult your career with the company that helped pioneer autonomous technology, and the first AV software company with the vision to partner directly with a truck manufacturer. 

Meet the Team: 

As a Staff Machine Learning Engineer focused on Road & Lane Detection, you will lead the model development efforts that enable Torc’s autonomous vehicles to perceive and interpret road geometry, lane structures, and drivable surfaces with precision and robustness. 

You’ll define the next generation of deep learning architectures and data-driven approaches that extract high-fidelity road and lane semantics from multi-modal sensor data — driving critical improvements in perception accuracy, stability, and scalability. 

This is a technical leadership role focused on model innovation and maturity, not downstream feature integration. 

What You’ll Do 

• Own the model roadmap for Road & Lane Detection within the Model Dev ML org — from concept through production-grade model maturity. 

• Research, design, and train advanced neural architectures (e.g., multi-camera BEV transformers, LiDAR-vision fusion models, topological lane graph networks) to detect, segment, and model road structures and lane connectivity. 

• Lead data strategy for this domain — defining data curation, labeling policies, and active learning pipelines to capture long-tail scenarios (e.g., occlusions, complex merges, construction zones). 

• Develop robust metrics and evaluation frameworks for lane and road geometry accuracy, temporal consistency, and cross-domain generalization. 

• Advance foundational capabilities such as self-supervised pretraining, synthetic-to-real adaptation, and temporal modeling for road and lane understanding. 

• Drive large-scale experiments — designing, running, and analyzing results from distributed training workflows and ablations to identify scalable improvements. 

• Collaborate with other model dev/perception teams to ensure model coherence and interface consistency. 

• Mentor engineers and scientists, setting best practices for model training, evaluation, and code quality. 

• Stay ahead of the research frontier by evaluating and adapting emerging techniques (e.g., BEV-based large models, vectorized map prediction, lane graph transformers) to production-grade perception. 

What You’ll Need to Succeed 

• 10+ years of experience developing deep learning models for perception or computer vision at scale. 

• M.S. or Ph.D. in Computer Science, Electrical Engineering, Robotics, or a related field (or equivalent experience). 

• Deep expertise in semantic and instance segmentation, BEV modeling, or scene topology estimation. 

• Strong understanding of lane and road geometry modeling, camera calibration, and sensor projection. 

• Proficiency with Python and modern ML frameworks (e.g., PyTorch, Lightning). 

• Experience with distributed training pipelines, experiment management, and large-scale dataset handling. 

• Proven leadership in guiding technical roadmaps, mentoring engineers, and driving measurable model improvements. 

Bonus Points! 

• Experience developing ML models for autonomous driving, mapping, or ADAS systems. 

• Familiarity with multi-modal fusion (camera, LiDAR, radar, HD maps). 

• Hands-on experience with BEV-based and topological prediction models. 

• Contributions to perception-related ML research (CVPR, NeurIPS, ICCV, ICLR, ICRA). 

• Strong intuition for data quality, bias mitigation, and uncertainty modeling. 

Work Location: For this position, we are open to hiring in either the Torc Montreal, Quebec (Canada) or Ann Arbor, MI (U.S.) office work locations in a hybrid capacity. We are also open to hiring Remote in the United States or Canada.

Perks of Being a Full-time Torc’r (Canada) 

Torc cares about our team members and we strive to provide benefits and resources to support their health, work/life balance, and future. Our culture is collaborative, energetic, and team focused. Torc offers: 

• A competitive compensation package that includes a bonus component and stock options
• Medical, dental, and vision for full-time employees
• RRSP plan with a 4% employer match
• Public Transit Subsidy (Montreal area only)
• Flexibility in schedule and generous paid vacation
• Company-wide holiday office closures
• Life Insurance 

 At Torc, we’re committed to building a diverse and inclusive workplace. We celebrate the uniqueness of our Torc’rs and do not discriminate based on race, religion, color, national origin, gender (including pregnancy, childbirth, or related medical conditions), sexual orientation, gender identity, gender expression, age, veteran status, or disabilities. Even if you don’t meet 100% of the qualifications listed for this opportunity, we encourage you to apply. 

Our compensation reflects the cost of labor across several geographic markets. Pay is based on a number of factors and may vary depending on job-related knowledge, skills, and experience. Torc's total compensation package will also include our corporate bonus and stock option plan. Dependent on the position offered, sign-on payments, relocation, and other forms of compensation may be provided as part of a total compensation package, in addition to a full range of medical, financial, and/or other benefits. 

Hiring Range for Job Opening  

CAD Compensation Range:

$209,300-313,800 CAD

Job ID:  R-102402

À propos de l’entreprise  

À Torc, nous avons toujours cru que la technologie des véhicules autonomes transformera la façon dont nous voyageons, transportons la marchandise et faisons des affaires.  

Leader de la conduite autonome depuis 2007, Torc a passé plus d’une décennie à commercialiser des solutions aux côtés de partenaires chevronnés. Nous faisons maintenant partie de la famille Daimler, ce qui nous permet de nous concentrer uniquement sur le développement de logiciels pour les camions automatisés. Nous transformerons la façon dont le monde transporte la marchandise.  

Joignez-vous à notre équipe : catapultez votre carrière au sein de l’entreprise ayant contribué à créer la technologie de conduite autonome (CA). Nous sommes la première entreprise de logiciels de CA ayant eu la vision de faire équipe directement avec un constructeur de camions.  

Rencontrez l’équipe :

En tant que qu’ingénieu(e) "Staff" en apprentissage automatique axé sur la détection des routes et des voies, vous dirigerez les efforts de développement de modèles qui permettent aux véhicules autonomes de Torc de percevoir et d’interpréter la géométrie des routes, les structures des voies et les surfaces carrossables avec précision et robustesse.

Vous définirez la prochaine génération d’architectures d’apprentissage approfondi et d’approches basées sur les données qui extraient la sémantique des routes et des voies à haute fidélité à partir de données de capteurs multimodaux, entraînant des améliorations critiques en matière de précision, de stabilité et d’évolutivité de la perception.

Il s’agit d’un rôle de leadership technique axé sur l’innovation et la maturité du modèle, et non sur l’intégration des fonctionnalités en aval.

Ce que vous ferez

• Posséder la feuille de route du modèle pour la détection des routes et des voies au sein de l’organisation d’apprentissage automatique de perception, du concept à la maturité du modèle de niveau de production.
• Recherche, conception et formation d’architectures neuronales avancées (par exemple, transformateurs BEV multicaméras, modèles de fusion LiDAR-vision, réseaux topologiques de graphes de voies) pour détecter, segmenter et modéliser les structures routières et la connectivité des voies.
• Diriger la stratégie des données pour ce domaine, définir la curation des données, les politiques d’étiquetage et les pipelines d’apprentissage actif pour capturer les scénarios de longue traîne (par exemple, les occlusions, les fusions complexes, les zones de construction).
• Développer des métriques robustes et des cadres d’évaluation pour la précision de la géométrie des voies et des routes, la cohérence temporelle et la généralisation interdomaines.
• Faire progresser les capacités fondamentales, telles que le préentraînement autosupervisé, l’adaptation du synthétique au réel et la modélisation temporelle pour la compréhension des routes et des voies.
• Mener des expériences à grande échelle : concevoir, exécuter et analyser les résultats des flux de travail de formation distribués et des ablations afin d’identifier des améliorations évolutives.
• Collaborer avec d’autres équipes de perception pour assurer la cohérence du modèle et de l’interface.
• Encadrer les ingénieurs et les scientifiques, en définissant les meilleures pratiques pour la formation, l’évaluation des modèles et la qualité du code.
• Rester à la pointe de la recherche en évaluant et en adaptant les techniques émergentes (par exemple, les grands modèles basés sur le BEV, la prédiction de cartes vectorisées, les transformateurs de graphes de voies) à la perception de niveau de production.

Ce dont vous aurez besoin pour réussir:

• 10 ans d’expérience et plus dans le développement de modèles d’apprentissage approfondi pour la perception ou la vision par ordinateur à l’échelle.
• Maîtrise ou doctorat en informatique, génie électrique, robotique ou autre domaine connexe (ou expérience équivalente).
• Expertise approfondie en segmentation sémantique et d’instance, en modélisation BEV ou en estimation de la topologie de la scène.
• Solide compréhension de la modélisation de la géométrie des voies et des routes, de l’étalonnage des caméras et de la projection des capteurs.
• Maîtrise de Python et des cadres modernes d’apprentissage automatique (par exemple, PyTorch, Lightning).
• Expérience des pipelines de formation distribués, de la gestion des expériences et de la manipulation d’ensembles de données à grande échelle.
• Leadership éprouvé dans l’orientation des feuilles de route techniques, le mentorat des ingénieurs et l’apport d’améliorations mesurables aux modèles.

Points bonus!

• Expérience dans le développement de modèles d’apprentissage automatique pour la conduite autonome, la cartographie ou les systèmes ADAS.
• Familiarité avec la fusion multimodale (caméra, LiDAR, radar, cartes HD).
• Expérience pratique des modèles de prédiction topologiques et basés sur le BEV.
• Contributions à la recherche en apprentissage automatique liée à la perception (CVPR, NeurIPS, ICCV, ICLR, ICRA).
• Forte intuition pour la qualité des données, l’atténuation des biais et la modélisation de l’incertitude.

La connaissance de l’anglais est exigée puisque la personne retenue devra collaborer de façon journalière avec des collègues anglophones aux États-Unis et travailler avec la documentation technique rédigée uniquement en anglais. 

Avantages d’être un employé à temps plein Torc’r 

Torc se soucie de ses membres d'équipe et s'efforce de fournir des avantages et des ressources pour soutenir leur santé, leur équilibre entre vie professionnelle et vie personnelle, ainsi que leur avenir. Notre culture est collaborative, dynamique et axée sur le travail d'équipe. Torc offre: 

• Un programme de rémunération concurrentiel incluant un volet de primes et des options d’achat d’actions 

• Une couverture médicale, dentaire et de la vue pour les employés à temps plein 

• Un régime d’épargne-retraite (REER) avec une contribution de l’employeur de 4 % 

• Une subvention pour le transport en commun (uniquement dans la région de Montréal) 

• Une flexibilité des horaires et des vacances payées généreuses 

• Des fermetures de bureau pendant les congés fériés à l’échelle de l’entreprise 

• Une assurance-vie 

À Torc, nous nous engageons à cultiver un milieu de travail diversifié et inclusif. Nous célébrons l’unicité de chaque membre de l’équipe de Torc. Nous ne faisons pas de discrimination par rapport à l’origine ethnique, la religion, la couleur de peau, la nationalité, le genre (y compris la grossesse, les enfants ou autre condition médicale), l’orientation sexuelle, l’identité de genre, l’expression de genre, l’âge, le statut de vétéran ou les handicaps. 

Même si vous ne répondez pas à 100 % des qualifications énumérées pour ce poste, nous vous invitons à postuler.

Notre rémunération reflète le coût de la main-d'œuvre sur plusieurs marchés géographiques. Le salaire est déterminé en fonction d'un certain nombre de facteurs et peut varier en fonction des connaissances, des compétences et de l'expérience liées au poste. Le programme de rémunération globale de Torc comprend également notre prime corporative et notre régime d’options d’achat d’actions.  Selon le poste proposé, des primes d’embauche, des indemnités de relocalisation ou d’autres formes de rémunération peuvent aussi être inclus dans le cadre du programme de rémunération globale, en plus d’une gamme complète d’avantages sociaux, médicaux, financiers et/ou autres.

Pour ce poste, nous sommes ouverts à embaucher pour nos bureaux de Torc à Montréal, Québec (Canada), ou à Ann Arbor, MI (États-Unis), avec une pratique de télétravail en mode hybride. Nous sommes également ouverts à un mode de télétravail à temps plein au Canada ou aux États-Unis pour les candidatures qui ne sont pas à proximité de nos bureaux.

Fourchette salariale pour le poste  

Fourchette de rémunération au Canada  

$209,200 - $313,800 CAD 

Numéro de poste: 102402

• Design, develop, and deploy learned behavior models using approaches such as reinforcement learning, behavior cloning, and imitation learning
• Own end-to-end model development for scoped problem areas, from data ingestion and training to evaluation and deployment
• Write production-quality ML code to support scalable training, evaluation, and inference workflows
• Analyze model performance, identify failure modes, and iterate to improve robustness and generalization across driving scenarios
• Contribute to training pipelines, data workflows, and infrastructure, including working with large-scale datasets from simulation, fleet logs, and on-vehicle data
• Collaborate with simulation, validation, and autonomy teams to test and evaluate learned behavior models across diverse environments
• Support integration of learned planning models into simulation and validation frameworks, enabling faster iteration and improved coverage
• Contribute to model architecture discussions and technical decision-making within the team
• Mentor junior engineers on implementation, experimentation, and best practices

• Bachelor’s degree in Computer Science, Robotics, Electrical Engineering, Machine Learning, or related technical field with 6+ years of industry experience, OR Master’s degree with 3+ years OR PhD with 1+ years of experience
• Experience applying reinforcement learning, imitation learning, or sequence modeling to robotics, autonomous systems, or complex control problems
• Strong programming skills in Python and PyTorch, with experience writing production-quality ML code
• Experience training, evaluating, and improving models using large-scale datasets and distributed compute environments
• Solid understanding of ML architectures used in autonomy systems (e.g., transformers, RNNs, graph neural networks, policy networks)
• Experience debugging model behavior, analyzing performance metrics, and improving model reliability
• Ability to translate ambiguous problems into structured ML solutions and deliver results independently
• Experience collaborating cross-functionally to integrate ML models into larger autonomy systems

• Experience in autonomous driving, robotics, or simulation-based training environments
• Experience with reinforcement learning frameworks or distributed training systems (e.g., Ray)
• Experience working with simulation environments, scenario generation, or large-scale behavior datasets
• Familiarity with vehicle dynamics, motion planning, or multi-agent decision-making systems
• Experience deploying ML models into production or real-world robotics systems
• Experience with learned planning systems or policy learning in real-world or simulation environments
• Experience integrating learned behavior models into validation and V&V workflows
• Background in multi-agent modeling, driver behavior modeling, or long-horizon decision-making systems

Work Location: For this position, we are open to hiring in either the Ann Arbor, MI OR Blacksburg, VA (U.S.) office work locations in a hybrid capacity. We are also open to hiring Remote in the United States 

Perks of Being a Full-time Torc’r  

Torc cares about our team members and we strive to provide benefits and resources to support their health, work/life balance, and future. Our culture is collaborative, energetic, and team focused. Torc offers:    

• A competitive compensation package that includes a bonus component and stock options  

• 100% paid medical, dental, and vision premiums for full-time employees    

• 401K plan with a 6% employer match  

• Flexibility in schedule and generous paid vacation (available immediately after start date)  

• Company-wide holiday office closures  

• AD+D and Life Insurance   

At Torc, we’re committed to building a diverse and inclusive workplace. We celebrate the uniqueness of our Torc’rs and do not discriminate based on race, religion, color, national origin, gender (including pregnancy, childbirth, or related medical conditions), sexual orientation, gender identity, gender expression, age, veteran status, or disabilities.  
Even if you don’t meet 100% of the qualifications listed for this opportunity, we encourage you to apply.  

Our compensation reflects the cost of labor across several geographic markets. Pay is based on a number of factors and may vary depending on job-related knowledge, skills, and experience. Torc's total compensation package will also include our corporate bonus and stock option plan. Dependent on the position offered, sign-on payments, relocation, and other forms of compensation may be provided as part of a total compensation package, in addition to a full range of medical, financial, and/or other benefits.  

Job ID: 102603

About the Company  

At Torc, we have always believed that autonomous vehicle technology will transform how we travel, move freight, and do business. 

A leader in autonomous driving since 2007, Torc has spent over a decade commercializing our solutions with experienced partners. Now a part of the Daimler family, we are focused solely on developing software for automated trucks to transform how the world moves freight.  

Join us and catapult your career with the company that helped pioneer autonomous technology, and the first AV software company with the vision to partner directly with a truck manufacturer. 

Meet the Team 

Torc’s Model Development Organization is hiring a Senior ML engineer team who develops our next generation of Road-Lane BEV and image space models. 

Torc's Autonomy Applications software utilizes cutting-edge deep learning techniques to perceive the vehicle's environment, predict the movements of other vehicles, and execute accurate driving decisions. We are actively seeking a highly experienced senior machine learning engineer to join our Road Lane perception team. This is an exceptional opportunity for you to have a significant impact on the future of the autonomous vehicle industry by leveraging AI. 

As a Senior ML Engineer of the team, you are applying machine learning science in a production focused environment. You are using machine learning models in both a unimodal and multimodal context, to create a 3D representation of the road surface and lane geometry. Training, validation, data science, architectural design are your daily work. You are interested in understanding how your model performs in deployment, for what you collaborate closely with deployment focused teams. You mentor and guide more junior members of the team and are always interested in the newest trends in research, eager to translate scientific improvements into our production grade machine learning pipelines. 

What You'll Do

Develop and Optimize Computer Vision Algorithms 

• Training monocular and multimodal  Road Model Detection models. 

• Comprehending objects, lanes, obstacles, and weather conditions within the driving environment. 

• Enhance perception systems to process multi-modal sensor data (camera, LiDAR, radar) effectively. 

• Utilizing data science techniques to analyze model performance, data distributions, and identify corner cases. 

Contribute to BEV Self-Driving Architectures 

• Design and implement deep learning models for Road Model inference in BEV frameworks. 

• Integrate BEV representations into end-to-end planning and control pipelines. 

• Use SD maps as priors for enhanced performance. 

Data Management and Processing 

• Develop efficient pipelines for large-scale data processing and annotation(pseudo-labeling) of sensor data (e.g., LiDAR point clouds, image frames). 

• Implement data augmentation, synthetic data generation, and domain adaptation strategies to improve model robustness. 

Model Deployment and Optimization 

• Deploy machine learning models on edge devices, ensuring real-time performance and resource efficiency. 

• Optimize inference pipelines for embedded and automotive-grade hardware platforms. 

Cross-functional Collaboration 

• Collaborate with robotics, software, and hardware engineering teams to ensure seamless integration of perception systems. 

• Work with product and operations teams to define performance metrics and improve system reliability. 

Research and Innovation 

• Stay updated with the latest advancements in computer vision, Road Lane monocular and BEV models, and autonomous driving technologies. 

• Translating scientific research into production-grade machine learning pipelines. 

• Publish findings in top-tier conferences and journals (optional but encouraged). 

Leadership 

• Contributing to the model development roadmap and providing strategic advice to technical leadership. 
• Mentoring and guiding junior team members to enhance their technical skills and career growth. 

What you’ll need to Succeed: 

• Bachelor’s degree in Computer Science, Software Engineering, or related field with 6+ years of professional applied MLE engineering experience in Autonomous Vehicle, Robotics or related industry.  

• Master’s degree in Computer Science, Software Engineering, or related field with 3+ years of professional applied MLE engineering experience in Autonomous Vehicle, Robotics or related industry. 

• Scientific understanding of machine learning for 3D BEV space modeling, including the ability to apply state-of-the-art ML research and methods in production. 

• Applied understanding and hands-on expertise in lane and road geometry concepts, multi-camera calibration, and sensor projection. 

• Experience with understanding data distributions and analyzing long tail distributions 

• Mastery of Python and PyTorch, with the ability to transition research level code to production and deployment ready standards 

Bonus points! 

• PhD in machine learning or data science 

• Proficient in writing CUDA kernels and developing custom PyTorch operations. 

• Publications at top tier computer vision / machine learning conferences or journals (CVPR, ICCV, JMLR, IJCV) 

• Applied experience using Ray in an autonomous vehicle (AV) or related environment to scale machine learning workloads, including distributed training, large-scale experimentation, and hyperparameter tuning across multi-node and multi-GPU systems. 

Work Location: For this position, we are open to hiring in either the Torc Montreal, Quebec (Canada) or Ann Arbor, MI (U.S.) office work locations in a hybrid capacity. We are also open to hiring Remote in the United States or Canada. 

Perks of Being a Full-time Torc’r  

Torc cares about our team members and we strive to provide benefits and resources to support their health, work/life balance, and future. Our culture is collaborative, energetic, and team focused. Torc offers:    

• A competitive compensation package that includes a bonus component and stock options  

• 100% paid medical, dental, and vision premiums for full-time employees    

• 401K plan with a 6% employer match  

• Flexibility in schedule and generous paid vacation (available immediately after start date)  

• Company-wide holiday office closures  

• AD+D and Life Insurance   

At Torc, we’re committed to building a diverse and inclusive workplace. We celebrate the uniqueness of our Torc’rs and do not discriminate based on race, religion, color, national origin, gender (including pregnancy, childbirth, or related medical conditions), sexual orientation, gender identity, gender expression, age, veteran status, or disabilities.  
Even if you don’t meet 100% of the qualifications listed for this opportunity, we encourage you to apply.  

Our compensation reflects the cost of labor across several geographic markets. Pay is based on a number of factors and may vary depending on job-related knowledge, skills, and experience. Torc's total compensation package will also include our corporate bonus and stock option plan. Dependent on the position offered, sign-on payments, relocation, and other forms of compensation may be provided as part of a total compensation package, in addition to a full range of medical, financial, and/or other benefits.  

US Base Pay Range:  

$199,200 - $298,800  

Job ID: R-102413