Reinforcement Learning Expert - Humanoid (Mensch)

NEURA Robotics; Zürich; Vor Ort; CHF 120.000 - 180.000; Vollzeit

Zusammenfassung

NEURA Robotics sucht eine/n erfahrene/n Robotics Research Engineer zur Weiterentwicklung der Learning-Pipeline für robuste Lokomotion und Loco-Manipulation am 4NE1 Humanoid.

Sie evaluieren State-of-the-Art-Methoden (z. B. Behavior Foundation Models, General Motion Tracking, Teleoperation) und treiben Sim-to-Real-Transfer sowie Reinforcement Learning und Behavior Cloning voran. Zusammenarbeit mit Controls-, Hardware- und Perception-Teams ist essenziell.

Qualifikationen

• Master/PhD in Robotik, Informatik oder verwandtem Bereich.
• Sehr gute Programmierkenntnisse in Python und C++.
• Erfahrung mit ROS 2 und realer Robotik-Hardware.
• Erfahrung mit Reinforcement Learning und Behavior Cloning.
• Gute Englischkenntnisse; Deutsch vorteilhaft.

Aufgaben

• Verbesserung der Learning-Pipeline für Lokomotion und Loco-Manipulation am 4NE1 Humanoid.
• Evaluation und Adoption von State-of-the-Art-Methoden (z. B. Behavior Foundation Models, General Motion Tracking, Teleoperation).
• Vorantreiben des Sim-to-Real-Transfers (Domain Randomization, Physikabstimmung).
• Integration von Reinforcement Learning und Behavior Cloning in Simulation und realen Interaktionen.
• Zusammenarbeit mit Controls-, Hardware- und Perception-Teams; Durchführung von Experimenten und Simulationen zur Leistungsvalidierung.

Kenntnisse

Python

C++

ROS 2

PyTorch

Englisch

Ausbildung

Master/PhD in Robotics or Computer Science

Tools

Isaac Lab / Isaac Sim

MuJoCo

Jobbeschreibung

Deine Mission & Herausforderungen

Gemeinsam schaffen wir den Schritt in eine neue Ära Kognitiver Roboter:

Deine Mission & Herausforderungen

Gemeinsam schaffen wir den Schritt in eine neue Ära Kognitiver Roboter:

• Du verbesserst die Learning-Pipeline für robuste Lokomotion und Loco-Manipulation auf dem 4NE1 Humanoid – von der Policy-Trainingsphase bis hin zur validierten Deployment auf realer Hardware
• Du evaluierst und adaptierst State-of-the-Art-Methoden (z. B. Behavior Foundation Models, General Motion Tracking, Teleoperation) und bringst diese in die Anwendung für Kunden und interne Teams
• Du treibst den Sim-to-Real-Transfer voran (z. B. Domain Randomization, Aktuatormodellierung, Physikabstimmung), um Policies aus der Simulation mit minimalem Performanceverlust auf reale Roboter zu bringen
• Du integrierst Reinforcement Learning und Behavior Cloning, damit Roboter sowohl aus Simulation als auch aus realen Interaktionen lernen können
• Du arbeitest eng mit den Controls-, Hardware- und Perception-Teams zusammen, um eine nahtlose Integration von Algorithmen mit Robotik-Hardware und Sensorik sicherzustellen
• Du führst Experimente und Simulationen durch, um die Performance der Algorithmen in verschiedenen Szenarien zu evaluieren und zu validieren

Auf was können wir uns freuen

• Master- oder PhD-Abschluss in Robotik, Informatik oder einem verwandten Bereich
• Sehr gute Programmierkenntnisse in Python und C++ sowie praktische Erfahrung mit Robotik-Frameworks (z. B. ROS 2) und realer Robotik-Hardware
• Erfahrung in der Entwicklung und dem Deployment von Reinforcement-Learning-Algorithmen und Behavior-Cloning-Ansätzen für Robotersysteme, mit fundiertem Verständnis von humanoider Roboterdynamik, Regelungstechnik und Sensorintegration
• Praktische Erfahrung mit Isaac Lab / Isaac Sim und/oder MuJoCo sowie PyTorch
• Ausgeprägte analytische Fähigkeiten und nachweisbare Erfahrung darin, innovative Lösungen im Bereich Robotik zu entwickeln – idealerweise mit Publikationen oder Beiträgen auf Konferenzen und in Journals
• Du überzeugst mit starken Kommunikationsfähigkeiten
• Du verfügst über sehr gute Englischkenntnisse und sprichst idealerweise auch gut Deutsch