Deine Mission & Herausforderungen

Multimodale Lernarchitekturen

• Du konzipierst und entwickelst Systeme, die Kameradaten, Tiefeninformationen, taktile Sensorik, IMU-Daten, Sprachinformationen und Roboterzustände zu ausführbaren Roboteraktionen zusammenführen.

• Du definierst, wie diese unterschiedlichen Modalitäten kombiniert werden und in Policies übersetzt werden, die auf unseren hochgeschickten Roboterhänden ausgeführt werden.

Simulationsinfrastruktur & Datenpipelines

• Du entwickelst und betreibst GPU-beschleunigte Simulationsumgebungen sowie die dazugehörigen Datenpipelines, um das Training von Policies effizient und skalierbar zu gestalten.

Sim-to-Real Transfer

• Du verantwortest die technische Umsetzung, um die Lücke zwischen Simulation und realer Hardware zu schließen.

• Dabei entwickelst du robuste Methoden, um trainierte Modelle zuverlässig auf physische Robotersysteme zu übertragen.

Teamführung & Technische Leitung

• Du übersetzt Forschungsfragestellungen in konkrete technische Meilensteine.

• Du unterstützt und entwickelst Engineers weiter und arbeitest eng mit Teams aus Machine Learning, Robotik und Hardware zusammen, um Lernsysteme erfolgreich auf realen Robotern einzusetzen.

Was du mitbringst

• Mindestens 6 Jahre Erfahrung in Informatik oder einem vergleichbaren technischen Bereich, einschließlich relevanter Erfahrung bei der Entwicklung und Implementierung von AI-Systemen auf realer Robotik-Hardware.

• Praktische Erfahrung in der Leitung oder Mitgestaltung von multimodalen Manipulationssystemen, die Vision, Sprache, taktile Sensorik und Propriozeption kombinieren.

• Nachweisbare Erfahrung im Aufbau von Simulationsinfrastrukturen mit Isaac Lab, Isaac Sim, MuJoCo oder vergleichbaren Frameworks für Reinforcement Learning und Sim-to-Real-Transfer.

• Tiefgehende praktische Kenntnisse in:

  • Imitation Learning (inklusive Diffusion Policies)

  • Deep Reinforcement Learning

  • Hybriden Lernverfahren auf realer Robotik-Hardware

• Erfahrung mit Datenpipelines für heterogene Hochfrequenz-Sensordaten, beispielsweise:

  • Teleoperation

  • Taktile Sensorik

  • Kameradaten

  • Tiefendaten

  • Roboterzustände

• Sehr gute Programmierkenntnisse in Python und C++ sowie Erfahrung mit ROS 2 und Embedded- bzw. Echtzeitsystemen.

• Fähigkeit, vage oder offene Forschungsfragen in konkrete technische Ziele und umsetzbare Engineering-Meilensteine zu übersetzen.

• Erfahrung in der fachlichen Weiterentwicklung und Unterstützung von Junior Engineers.

Von Vorteil

• Erfahrung mit hochgradig beweglichen, sehnengetriebenen oder stark taktil ausgestatteten Roboterhänden.

• Kenntnisse von Vision-Language-Action (VLA)-Architekturen oder vergleichbaren Vision-Language-Modellen sowie großskaligen Pre-Training-Workflows.

• Beiträge zur Robotik- oder AI-Forschungsgemeinschaft, beispielsweise Veröffentlichungen oder aktive Mitarbeit im Umfeld von:

  • IEEE International Conference on Robotics and Automation

  • IEEE/RSJ International Conference on Intelligent Robots and Systems

  • Conference on Robot Learning

  • Conference on Neural Information Processing Systems