Research Scientist

Glaubst du, dass der Weg zu allgemeinem physischem KI durch laute, reale Fabrikbereitstellungen führt? Bist du begeistert von der Herausforderung, die klassischen Roboter-Stacks in die grundlegenden Trainingsdaten für physische KI zu verwandeln? Möchtest du die Lücke zwischen erstklassiger ML-Forschung und industrieller Roboter-Ausführung überbrücken? Wenn deine Antworten ja sind, sollten wir reden.

Bei Nomagic führen wir einen bescheidenen Pivot für allgemeine physische KI durch. Wir glauben, dass physische KI grundsätzlich ein Wissensübertragungsproblem ist - wir nutzen die "Internetdaten" der Robotik - massive Bereitstellungsprotokolle von realen Systemen, die in Produktionsumgebungen arbeiten - um unsere Bemühungen zu unterstützen. Wir suchen Forschungswissenschaftler, die uns helfen, grundlegende Modelle zu bauen, zu trainieren und bereitzustellen, die unsere Flotte von einem klassischen Steuerungs-Stack zur allgemeinen KI-Meisterschaft bringen.

Angebotsdetails:

• Mit echten Robotern spielen und jeden Tag echte Probleme lösen.
• Umzugspaket.
• Flexible Arbeitszeiten.
• Englischsprachige Umgebung.

Warum wir diesen Job lieben:

• Wir kombinieren erstklassige Forschung mit erstklassiger Technik und wenden sie an, um echte Probleme zu lösen.
• Ein Großteil dieser Daten existiert bereits. Wir haben Roboter in Produktion im großen Maßstab.
• Wir messen, was zählt. Wir testen unseren Code in Unit-Tests, Simulationen und direkt an echten Robotern.
• Hohe Hebelwirkung, hohe Auswirkungen. Wenn deine Architekturen und Trainingspläne unsere Agenten verbessern, änderst du direkt die Wirtschaftlichkeit des Unternehmens.
• Weltklasse-Kollegen. Unser Team hat Google Warschau aufgebaut, Einhorn-Startups geleitet, Forschung bei DeepMind betrieben und bei Top-Unternehmen wie Nvidia und ByteDance gearbeitet.

Was du tun wirst:

Dein Fokus wird durch die Schnittstelle von ML-Forschung, Robotik und großflächigem multimodalem Modelltraining definiert. Erwarten Sie Herausforderungen in zwei Hauptsäulen, mit der Möglichkeit, sich auf Pretraining oder Post-Training zu spezialisieren:

• Grundlagenmodelle & Pretraining: Entwerfe die Basisintelligenz, definiere Modellarchitekturen (Transformer- und Diffusionsbasiert), Ziele und Trainingspläne über multimodale Roboter-Daten.
• Master the Data: Entwickle skalierbare Datenmischungen und Sampling-Strategien unter Verwendung unserer massiven Offline-Repositories von Vision-, Aktions- und Zustandsdaten.
• Push the Frontier: Führe rigorose Ablationen durch, um Skalierungsgesetze, Datenqualitätsauswirkungen, Optimierungsdynamiken und große Modellversagensmodi zu verstehen.
• Skalierung mit Engineering: Arbeite eng mit ML Infra zusammen, um die Cluster-Nutzung und den Durchsatz zu steigern.

Adaptation, Post-Training & Real-World Evaluation:

• Fahre Downstream-Anpassung: Erkunde Feinabstimmungsrezepte, um allgemeine Modelle nützlich, kontrollierbar und sicher in der realen Welt zu machen.
• Verbessere die physische Robustheit: Entwickle modernste Methoden zur Verbesserung der Zuverlässigkeit in der realen Welt.
• Baue Benchmarks: Entwerfe Bewertungsrahmen und leichte physische Setups, die die tatsächliche Roboterleistung messen.
• Schließe die physische Schleife: Analysiere Ergebnisse aus der realen Welt, um die übergeordnete Forschungsrichtung zu leiten.

Was wir uns wünschen:

• Erfahrung: Tiefe Forschung und praktische Erfahrung an der Schnittstelle von maschinellem Lernen, Systemtechnik und physischer Robotik.
• Nachweisliche Erfolge: Erfahrung im Entwerfen, Trainieren und Feinabstimmen von großflächigen Deep-Learning-Architekturen.
• Engineering-Exzellenz: Starke Grundlagen in Deep-Learning-Frameworks (PyTorch/JAX).
• Robotik-Intuition: Komfort im Umgang mit Hardware.
• Pragmatische Forschungsmentalität: Fähigkeit, nahtlos zwischen theoretischem Design und physischer Implementierung zu wechseln.

Bewerbungsprozess:

• Ein Telefongespräch mit dem Einstellungsleiter, um deinen Hintergrund und unsere technische Richtung zu besprechen.
• Ein halber Tag vor Ort (kulturelle Passung & technische Interviews).
• Eine endgültige Entscheidung innerhalb von 2-3 Tagen nach dem Vor-Ort-Interview.

Wichtig: Erwarten Sie detailliertes, ehrliches Feedback nach Abschluss des Prozesses, unabhängig von unserer Entscheidung.