Vereinigte Staaten
Roku
Apptronik
Senior Reinforcement Learning Engineer
Vereinigte Staaten
Austin, Texas, United States
PythonC++
Automatische Übersetzung. Prüfe das Original.
STELLENZUSAMMENFASSUNG
Apptronik ist ein menschenzentriertes Robotikunternehmen, das KI-gestützte Roboter entwickelt, um die Menschheit in jeder Facette des Lebens zu unterstützen. Unser Flaggschiff-Roboter Apollo ist darauf ausgelegt, auf durchdachte Weise mit Menschen zusammenzuarbeiten, beginnend mit kritischen Branchen wie Fertigung und Logistik, mit zukünftigen Anwendungen im Gesundheitswesen, im Haushalt und darüber hinaus.
Wir operieren an der Spitze der angewandten KI und wenden unsere Expertise über den gesamten Robotik-Stack an, um einige der wichtigsten Probleme der Gesellschaft zu lösen. Sie werden einem Team beitreten, das sich der Markteinführung von Apollo in großem Maßstab widmet und sich den komplexen Herausforderungen wie Sicherheit, Kommerzialisierung und Massenproduktion stellt, um die Welt zum Besseren zu verändern.
Der Senior Reinforcement Learning Engineer ist eine Schlüsselposition mit Hands-on-Mentalität, die sich auf die Erzielung von Spitzenleistungen auf dem Stand der Technik bei unseren humanoiden Robotern konzentriert. Dieser Ingenieur wird seine/ihre tiefgreifende Expertise in RL nutzen, um kritische Herausforderungen bei Fortbewegung und Manipulation zu lösen und bahnbrechende Ergebnisse auf physischer Hardware zu liefern. Der primäre Fokus dieser Rolle liegt auf der schnellen Implementierung, Iteration und Bereitstellung fortschrittlicher Lernalgorithmen, um die Grenzen dessen, was unsere Roboter tun können, zu erweitern. Als leitendes Mitglied des Teams ist diese Person auch für die Betreuung von Junior-Ingenieuren verantwortlich und hebt durch ihre/seine Anleitung und Expertise die technischen Fähigkeiten des gesamten Teams an.
WESENTLICHE AUFGABEN UND VERANTWORTLICHKEITEN ODER HAUPTSCHLÜSSELAUFTRÄGE
- Implementierung und Bereitstellung von hochmodernen RL-Algorithmen zur Erzielung ehrgeiziger, weltklasse Leistungen bei dynamischen Fortbewegungs- und Manipulationsaufgaben mit physischer Hardware.
- Steuerung des gesamten Entwicklungszyklus, vom Prototyping in der Simulation bis zur robusten Übertragung und Feinabstimmung von Policies auf dem Roboter.
- Optimierung und Skalierung der RL-Trainingspipeline für schnellere Iterationen, Beitrag zur Kerninfrastruktur für Hochdurchsatzsimulation und verteiltes Training.
- Betreuung von Junior-Ingenieuren durch technische Anleitung, Durchführung aufschlussreicher Code-Reviews und Teilen von Best Practices im Bereich Reinforcement Learning und Softwareentwicklung.
- Enge Zusammenarbeit mit den Robotik- und Hardware-Teams zur Diagnose von systemweiten Problemen und zur gemeinsamen Entwicklung von Lösungen, die komplexere gelernte Verhaltensweisen ermöglichen.
- Analyse und Präsentation von Hardware-Ergebnissen zur Steuerung zukünftiger technischer Richtungen und zur Demonstration des Fortschritts bei wichtigen Unternehmenszielen.
- Entwicklung und Verfeinerung von Motion-Retargeting-Pipelines zur Umwandlung von menschlichen Demonstrationsdaten (Mocap, Teleoperation) in robuste Referenztrajektorien für Reinforcement Learning.
FÄHIGKEITEN UND ANFORDERUNGEN
- Tiefgreifende praktische Expertise (5+ Jahre) mit gängigen RL-Frameworks (z. B. PyTorch, JAX) und High-Fidelity-Physiksimulatoren (z. B. MuJoCo, IsaacGym)
- Beherrschung von Python für schnelles Prototyping und Training, zusammen mit starker Kompetenz in C++ für die Entwicklung performanter, einsetzbarer Codes.
- Erfahrung im Aufbau oder der Nutzung von groß angelegten, verteilten Trainingspipelines und ein starkes Gespür für deren Optimierung.
- Ein starkes theoretisches Verständnis von modernem Reinforcement Learning, einschließlich tiefer Expertise in Bereichen wie Imitation Learning, Model-Based RL und Sim-to-Real-Transfertechniken.
- Ein starkes Gespür für Roboter-Dynamik und Regelungstechnik, mit der Fähigkeit, diese Prinzipien anzuwenden, um lernbasierte Ansätze zu leiten und zu beschränken.
- Eine ergebnisorientierte Denkweise mit der Leidenschaft, komplexe Algorithmen auf realer Hardware funktionieren zu sehen.
BILDUNG und/oder ERFAHRUNG
- Ein Doktortitel oder Masterabschluss in Informatik, Robotik oder einem verwandten Fachgebiet, mit 2+ Jahren Berufserfahrung stark bevorzugt.
- Eine nachgewiesene Erfolgsbilanz bei der erfolgreichen Bereitstellung von lernbasierten Policies auf physischen Robotersystemen, insbesondere auf Laufrobotern oder Manipulatoren.
- Nachgewiesene Erfahrung in der Betreuung oder technischen Anleitung anderer Ingenieure in einer Teamumgebung.
PHYSISCHE ANFORDERUNGEN
- Längere Zeit im Sitzen am Schreibtisch und Arbeit am Computer
- Muss gelegentlich 15 Pfund heben können
- Sehvermögen zum Lesen von gedruckten Materialien und eines Computerbildschirms
- Gehör und Sprache zur Kommunikation
- Eine starke Publikationsliste auf relevanten Konferenzen oder in Fachzeitschriften (z. B. CoRL, RSS, ICRA) ist ein erheblicher Vorteil.
*Dies ist eine Direktvermittlung. Bitte keine Anfragen von externen Agenturen.
Apptronik bietet allen Mitarbeitern und Bewerbern gleiche Beschäftigungsmöglichkeiten und verbietet Diskriminierung und Belästigung jeglicher Art, unabhängig von Rasse, Hautfarbe, Religion, Alter, Geschlecht, nationaler Herkunft, genetischen Merkmalen, Status als geschützter Veteran, sexueller Orientierung, Geschlechtsidentität oder -ausdruck oder anderen Merkmalen, die durch Bundes-, Landes- oder lokale Gesetze geschützt sind.
Mehr Möglichkeiten mit einem Profil
Für mehr Stellen berücksichtigt werden, ohne den ganzen Prozess zu wiederholen? Erstellen Sie Ihr Profil, damit Unternehmen auf Nort Sie finden.
Profil erstellen