Menschliches Verhalten modellieren: Verwandle multimodale, am Körper getragene Daten in Repräsentationen, aus denen ein Roboter lernen kann.
Zwei Körper verbinden: Löse Cross-Embodiment-Transfer-Herausforderungen und übersetze menschliche Bewegungen und Interaktionen in Action Spaces, die ein Roboter mit einem völlig anderen Körperbau nutzen kann.
Foundation Models bauen, die handeln: Entwirf Pretraining- und Fine-Tuning-Strategien für robotische Foundation Models.
Den Beweis liefern: Baue die Benchmarks, die Modelle, die nur imitieren, von Modellen unterscheiden, die generalisieren.
Die nächste Datenerfassung mitgestalten: Verwandle blinde Flecken der Modelle in präzise, konkrete Anforderungen für Data-Capturing-Devices.
Cross-funktionale Zusammenarbeit: Arbeite Schulter an Schulter mit Hardware- und Systems-Engineering-Teams, während du dich klar auf die Daten- und KI-Seite fokussierst.
Master- oder PhD-Abschluss in Computer Science, Machine Learning, Robotik oder vergleichbar.
Echte, praktische Erfahrung mit multimodalen Foundation Models (VLA, Video-Action oder Vergleichbares).
Erfahrung mit Cross-Embodiment-Transfer und RL-basiertem Retargeting.
Tiefes Verständnis von Low-Level Robotics Control.
Fundierte Kenntnisse in Imitation Learning, Representation Learning und Self-Supervised Learning über verschiedene Sensor-Modalitäten hinweg.
Sicherer Umgang mit modernen Machine-Learning-Frameworks und großskaliger Trainingsinfrastruktur.
Kommunikationsstärke, die dir den mühelosen Wechsel zwischen Researchern, Engineers und Hardware-Teams ermöglicht.
Fließendes Englisch, Deutsch von Vorteil.