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.