Deine Mission & Herausforderungen

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.

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.

Du bringst den Roboterhänden von NEURA bei, Objekte mit menschenähnlicher Geschicklichkeit zu greifen, zu manipulieren und mit ihrer Umgebung zu interagieren.

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 .

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.