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.
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.