Inserat online seit: 18 Juni
Aufgaben der Stelle
Deine Mission & Herausforderungen Policy Design & Training Du entwickelst und trainierst lernbasierte Policies, die multimodale Sensordaten – von Vision und Sprache bis hin zu taktiler Sensorik und IMU-Daten – in präzise, flüssige und sichere Roboteraktionen übersetzen. Multi-Contact Manipulation Du arbeitest an einer der anspruchsvollsten Herausforderungen der Robotik: der Multi-Contact-Manipulation auf realer, unteraktuierter und taktil hochauflösender Hardware. Dabei bewegst du dich an der Schnittstelle von Imitation Learning, Reinforcement Learning und realer Hardware-Deployment. Steuerung hochgeschickter Roboterhände Du bringst den Roboterhänden von NEURA bei, Objekte mit menschenähnlicher Geschicklichkeit zu greifen, zu manipulieren und mit ihrer Umgebung zu interagieren. Zusammenarbeit & Umsetzung Du arbeitest eng mit Teams aus Machine Learning, Robotik und Softwareentwicklung zusammen, um trainierte Policies erfolgreich auf die Hardware zu bringen und produktiv einzusetzen. Was du mitbringst Master- oder PhD-Abschluss in Robotik, Informatik, Machine Learning oder einem verwandten Fachgebiet mit Schwerpunkt auf Robotischer Manipulation oder Reinforcement Learning. Praktische Erfahrung beim Training von Manipulations-Policies mittels Imitation Learning oder Deep Reinforcement Learning auf realen Roboterarmen oder hochgeschickten Roboterhänden. Tiefgehende Kenntnisse in GPU-beschleunigten Simulationsumgebungen wie Isaac Lab , Isaac Sim , MuJoCo oder vergleichbaren Frameworks, einschließlich der Entwicklung eigener Simulationsumgebungen und Assets. Sehr gute Kenntnisse in PyTorch sowie Erfahrung mit Robot-Learning-Frameworks wie: Stable-Baselines3 Ray RLlib LeRobot Fundiertes Verständnis von: Kinematik Dynamik Räumlichen Transformationen Regelungstechnik und Closed-Loop-Control Sehr gute Programmierkenntnisse in Python und C++ . Erfahrung mit sauberem, reproduzierbarem Software-Engineering sowie dem Einsatz von Git und Docker . Von Vorteil Erfahrung mit Teleoperationssystemen wie: VR-Controllern Datenhandschuhen Vision-basiertem Handtracking Erfahrung beim Training oder Fine-Tuning von Vision-Language-Action (VLA) -Modellen oder diffusionsbasierten Architekturen. Erfahrung mit sehnengetriebenen oder stark unteraktuierten mechanischen Systemen. Gute Englischkenntnisse; Deutschkenntnisse sind ein Plus.
