<div class="show-more-less-html__markup show-more-less-html__markup--clamp-after-5 relative overflow-hidden"> Deine Mission &amp; Herausforderungen<br/><br/><ul><li>Menschliches Verhalten modellieren: Verwandle multimodale, am Körper getragene Daten in Repräsentationen, aus denen ein Roboter lernen kann.</li><li>Zwei Körper verbinden: Löse Cross-Embodiment-Transfer-Herausforderungen und übersetze menschliche Bewegungen und Interaktionen in Action Spaces, die ein Roboter mit einem völlig anderen Körperbau nutzen kann.</li><li>Foundation Models bauen, die handeln: Entwirf Pretraining- und Fine-Tuning-Strategien für robotische Foundation Models.</li><li>Den Beweis liefern: Baue die Benchmarks, die Modelle, die nur imitieren, von Modellen unterscheiden, die generalisieren.</li><li>Die nächste Datenerfassung mitgestalten: Verwandle blinde Flecken der Modelle in präzise, konkrete Anforderungen für Data-Capturing-Devices.</li><li>Cross-funktionale Zusammenarbeit: Arbeite Schulter an Schulter mit Hardware- und Systems-Engineering-Teams, während du dich klar auf die Daten- und KI-Seite fokussierst.<br/><br/></li></ul>Was du mitbringst<br/><br/><ul><li>Master- oder PhD-Abschluss in Computer Science, Machine Learning, Robotik oder vergleichbar.</li><li>Echte, praktische Erfahrung mit multimodalen Foundation Models (VLA, Video-Action oder Vergleichbares).</li><li>Erfahrung mit Cross-Embodiment-Transfer und RL-basiertem Retargeting.</li><li>Tiefes Verständnis von Low-Level Robotics Control.</li><li>Fundierte Kenntnisse in Imitation Learning, Representation Learning und Self-Supervised Learning über verschiedene Sensor-Modalitäten hinweg.</li><li>Sicherer Umgang mit modernen Machine-Learning-Frameworks und großskaliger Trainingsinfrastruktur.</li><li>Kommunikationsstärke, die dir den mühelosen Wechsel zwischen Researchern, Engineers und Hardware-Teams ermöglicht.</li><li>Fließendes Englisch, Deutsch von Vorteil.<br/><br/></li></ul> </div>