Reino Unido
JFrog
Humanoid
Engenheiro(a) de Deep Learning - World Models
Reino Unido
London, England, United Kingdom
Python
Tradução automática. Consulte o original.
Nossa Missão
Na Humanoid, acreditamos em um futuro onde robôs amplificam o potencial humano. É por isso que nos propusemos a construir os robôs humanoid mais capazes, escaláveis comercialmente e seguros do mundo. Estamos dando vida a essa missão com o HMND‑01 - nossa plataforma humanoid desenvolvida rapidamente e sendo implantada em ambientes industriais reais - e estamos expandindo a equipe para levá-la ainda mais longe.
Na Humanoid, nos esforçamos para criar os robôs humanoid mais avançados, escaláveis comercialmente, seguros e líderes mundiais que se integram perfeitamente à vida cotidiana e amplificam a capacidade humana.
Sobre a Vaga
Como Engenheiro(a) de Pesquisa na equipe de World Models, você construirá modelos generativos condicionados por ação que preveem como o mundo evolui ao redor de nossos robôs — vídeo futuro, propriocepção, contatos e resultados — a partir de observações e ações passadas. Os modelos de mundo servem a quatro propósitos em nossa pilha: um prior pré-treinado e ciente da física para nossas políticas VLA; um motor para coleta de dados raros, transferência entre plataformas e transferência de simulação para o real; um campo de testes para avaliação e teste de políticas antes do hardware; e um motor de rollout de previsão futura que expõe o que nossas políticas pretendem fazer, para segurança e planejamento. Esta é uma função prática de contribuidor(a) individual: você projetará arquiteturas, executará grandes trabalhos de treinamento e validará seus modelos contra dados reais da frota de implantações industriais.
O Que Você Fará
- Projetar e treinar modelos de mundo multimodais — vídeo, estado, ação e linguagem — usando arquiteturas baseadas em difusão e transformadores.
- Construir modelos de previsão de vídeo e dinâmica condicionados por ação que permaneçam fisicamente consistentes em longos horizontes, incluindo manipulação com contato rico, e sirvam como priors pré-treinados para políticas VLA.
- Desenvolver avaliação de simulador aprendido: pontuar políticas candidatas offline, prever taxas de sucesso no mundo real antes da implantação e executar futuros de políticas para expor o comportamento pretendido para revisão de segurança e planejamento.
- Gerar rollouts sintéticos e experiência contrafactual — incluindo eventos raros, transferência entre plataformas e transferência de simulação para o real — para aumentar o treinamento de políticas e medir seu efeito no desempenho de tarefas downstream.
- Estabelecer métricas de fidelidade e protocolos de calibração que quantifiquem onde o modelo de mundo pode ser confiável e onde ele diverge da realidade.
- Construir pipelines de dados que transformam telemetria da frota, logs de teleoperação e vídeo em escala da internet em corpora de treinamento para modelos de mundo.
- Executar estudos de escalonamento e ablação em arquitetura, mistura de dados e comprimento de contexto; comunicar descobertas de forma concisa.
- Colaborar com as equipes de pré-treinamento, RL e manipulação para integrar modelos de mundo em loops de treinamento e avaliação de políticas.
O Que Buscamos
- Um histórico de treinamento de grandes modelos generativos — vídeo, mundo ou multimodais — com modelos lançados ou artefatos publicados para comprovar.
- Profunda experiência prática com arquiteturas generativas modernas: modelos de difusão, transformadores autorregressivos, modelos de variáveis latentes ou previsão de vídeo.
- Experiência com treinamento distribuído em larga escala: streaming de conjuntos de dados, checkpointing e gerenciamento de estado, depuração de numéricos e instabilidades de treinamento.
- Forte experiência em Python + PyTorch/JAX; você consegue otimizar kernels, carregar dados e escrever código de pesquisa de fácil manutenção.
- Rigor empírico: você projeta avaliações cuidadosas, executa baselines honestos e documenta experimentos claramente.
- Entusiasmo em fundamentar modelos generativos na realidade física, em vez de apenas em pixels.
Diferenciais
- Experiência com modelos de mundo para robótica ou direção autônoma (por exemplo, modelos de vídeo condicionados por ação, simuladores aprendidos, RL baseado em modelo).
- Familiaridade com simuladores de robótica (Isaac Sim, MuJoCo) e considerações de simulação para o real.
- Experiência no uso de modelos de mundo para avaliação de políticas ou geração de dados sintéticos em escala.
- Publicações em conferências de ponta de deep learning (NeurIPS, ICML, ICLR, CoRL, CVPR) ou contribuições equivalentes em código aberto.
- Experiência em otimização de modelos generativos para inferência rápida.
O Que Oferecemos
- Equity competitivo: opções de ações com potencial de valorização significativo à medida que escalamos.
- +30 dias pagos de folga, incluindo 23 dias de férias anuais, todos os feriados bancários do Reino Unido e dias adicionais de fechamento da empresa (incluindo o recesso de Natal e Ano Novo).
- Plano de saúde privado, incluindo atendimento virtual e presencial.
- Plano de previdência com contribuição total de 8% (5% do empregado, 3% do empregador) sobre o salário integral.
- Café da manhã diário gratuito, almoço com catering e lanches no escritório.
- Trabalhe na vanguarda — colabore diariamente com engenheiros, pesquisadores e especialistas de produto de classe mundial construindo a próxima geração de IA e robótica humanoid.
- Propriedade real — acesso direto à liderança fundadora, contribuição significativa na direção do produto e a capacidade de impulsionar iniciativas-chave desde o primeiro dia.
Mais oportunidades com um só perfil
Quer aparecer para várias vagas sem repetir todo o processo? Crie seu perfil e seja encontrado pelas empresas que usam a Nort.
Criar meu perfil