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.