Deine Mission & Herausforderungen Du wirst Teil unseres AI-/Perception-Teams und sorgst dafür, dass unsere Roboter dynamische, von Menschen belebte Umgebungen sehen, verstehen und mit ihnen interagieren können. Du bist verantwortlich für das Design von Deep-Learning-Perception-Modellen sowie für den Aufbau des gesamten Sensorfusion- und Perception-Stacks für humanoide und kollaborative Roboter. Architektur und Aufbau der kompletten Perception-Pipeline : von Rohsensordaten (Kameras, LiDAR, IMU, Kraft/Moment, Gelenksensoren) über Sensorfusion, Objekterkennung und -verfolgung, 3D-Rekonstruktion, Szenenverständnis bis hin zu verwertbaren Weltmodellen für nachgelagerte Module (Navigation, Manipulation, Interaktion). Forschung: Analysiere den Stand der Technik in Roboterwahrnehmung und Deep Learning und überführe aktuelle Ergebnisse aus der Forschung in reale Robotersysteme. Deep Learning: Design, Training und Finetuning von neuronalen Netzen und deren Deployment in der Cloud und auf eingebetteter Robotikhardware. Echtzeit-Perception-Software: Implementiere Perception-Software in modernem C++ und Python; nutze klassische Computer-Vision-Methoden sowie GPU-Beschleunigung. ROS2 & DDS: Baue hochperformante Sensorpipelines auf und validiere deine Module sowohl in Simulation (z. B. Gazebo, Isaac Sim) als auch auf realen Robotern – stets mit Fokus auf Sicherheit und Robustheit. Interdisziplinäre Zusammenarbeit: Arbeite eng mit Hardware-, Control-, Planning- und Manipulationsteams zusammen: definiere Anforderungen, integriere Sensorhardware, kalibriere und optimiere Systeme, entwickle Diagnosetools und Performance-Monitoring, erstelle Dokumentation und unterstütze CI/CD-Prozesse. Auf was können wir uns freuen Exzellenter Master- oder PhD-Abschluss in Informatik, Robotik oder einem verwandten Bereich 3 Jahre relevante Erfahrung im Aufbau robuster Perception-Stacks für dynamische, menschenzentrierte Umgebungen Starke Programmierfähigkeiten in Python oder modernem C++; Erfahrung mit CUDA ist ein Plus Praktische Erfahrung mit Deep-Learning-Frameworks (PyTorch, TensorFlow) für Perception-Aufgaben in der Robotik; Deployment auf Robotikhardware (z. B. NVIDIA Jetson) ist ein Vorteil Solider Hintergrund in Computer Vision und Sensorfusion: 3D-Geometrie, Multi-View-Geometrie, Kamera/LiDAR/IMU-Fusion, Punktwolkenverarbeitung (PCL) sowie klassische CV-Bibliotheken (OpenCV) Hervorragende Problemlösungsfähigkeiten und Fähigkeit, sowohl eigenständig als auch im Team zu arbeiten Sehr gute Englischkenntnisse in Wort und Schrift