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