Estados Unidos
Temple Health
Noble Machines, Inc
Engenheiro(a) de ML em Robótica (Simulação e Aprendizado de Robôs)
Estados Unidos
Sunnyvale, California, United States
PythonC++
Tradução automática. Consulte o original.
Sobre a oportunidade
Engenheiro(a) de ML em Robótica Simulação e Aprendizado de Robôs
| Noble Machines
Avançando a autonomia industrial ao transformar experiência simulada em capacidade confiável no mundo real.
A função
Sua contribuição definidora será resolver o desafio sim-to-real do lado da simulação: entender por que as políticas têm sucesso na simulação, mas falham no hardware, e então melhorar os ambientes, dados e condições de treinamento que determinam a transferência. Você construirá a simulação em uma ferramenta confiável para o desenvolvimento da autonomia industrial.
Você será o(a) responsável pelo pipeline de aprendizado de ponta a ponta, desde a simulação e geração de dados até o treinamento de políticas, avaliação, implantação e melhoria iterativa em robôs físicos. A função exige um forte julgamento sobre quais aspectos da simulação precisam de maior fidelidade, quais precisam de maior variação e como demonstrar que qualquer mudança melhora o desempenho no mundo real.
Esta é uma função prática de engenharia de ML com profundidade de pesquisa. Você trabalhará em estreita colaboração com colegas de IA, controle, hardware e operações de robôs, sendo o(a) responsável pelo loop de aprendizado enquanto colabora na interface do robô, interfaces de controle e infraestrutura de implantação.
Sobre a Noble Machines
A Noble Machines constrói robôs multifuncionais para apoiar trabalhadores humanos nas tarefas mais difíceis do mundo — transformando trabalho perigoso de uma necessidade em uma escolha. Nosso trabalho exige confiabilidade, robustez e prontidão para o inesperado — pontualmente, sempre. Estamos montando uma equipe orientada por missão, focada em entregar impacto real na indústria pesada, da construção e mineração à energia. Se você é motivado(a) a construir produtos robustos e confiáveis que resolvem problemas do mundo real, adoraríamos conversar.
O que você fará
- Liderar o desenvolvimento sim-to-real do lado da simulação. Usar evidências de hardware para identificar lacunas consequentes em observações visuais, física, contato, sensoriamento e execução de controle; melhorar a fidelidade da simulação, calibração e randomização para abordá-las.
- Construir e manter ambientes de simulação e pipelines de geração de dados para aprendizado de robôs. Projetar tarefas representativas, variações e condições de avaliação, e garantir que os dados gerados sejam adequados para treinar políticas transferíveis.
- Treinar e adaptar políticas de visão-linguagem-ação (VLA), modelos de mundo-ação (WAMs) e outras políticas visuomotoras usando dados simulados e de robôs reais. Construir experimentos reproduzíveis e fazer escolhas informadas sobre qualidade de dados, cobertura e métodos de treinamento.
- Fechar o loop de aprendizado entre simulação e hardware: analisar falhas, coletar dados corretivos, retreinar e validar melhorias. Aplicar agregação de dados no estilo DAgger e aprendizado com intervenção humana (human-in-the-loop) onde apropriado.
- Usar aprendizado por imitação e aprendizado por reforço para melhorar o desempenho da política, incluindo ajuste fino de RL e aprendizado com experiência do mundo real, quando apropriado.
- Projetar experimentos controlados que isolem gargalos de transferência e distingam limitações do simulador de problemas de dados, política e integração. Priorizar melhorias na simulação pelo seu efeito medido no hardware.
- Desenvolver testes de avaliação e regressão reproduzíveis para robustez e generalização. Estabelecer o quão bem os resultados da simulação preveem o desempenho do hardware e investigar discrepâncias.
- Implantar, perfilar e depurar políticas aprendidas em computadores de robôs. Melhorar a eficiência e a confiabilidade da inferência, e trabalhar com colegas de controle e sistemas para integrar as políticas ao robô.
- Ser o(a) responsável pela qualidade dos dados e experimentos em todo o pipeline, incluindo curadoria, versionamento, reprodutibilidade e relatórios claros de resultados.
Requisitos mínimos
O que procuramos
- Capacidade demonstrada de melhorar a transferência sim-to-real alterando a simulação, o processo de geração de dados ou a distribuição de treinamento. Você consegue identificar a lacuna, explicar sua intervenção e mostrar seu efeito no desempenho do robô físico.
- Experiência prática no treinamento ou adaptação de políticas VLA, WAMs, políticas de manipulação condicionadas por linguagem ou outras políticas visuomotoras, com forte compreensão prática de aprendizado por imitação e aprendizado por reforço.
- Experiência na construção de ambientes de simulação ou pipelines de geração de demonstração para aprendizado de robôs usando ferramentas como Isaac Sim / Isaac Lab, MuJoCo, robosuite ou sistemas comparáveis.
- Propriedade substancial de um pipeline de aprendizado de robôs em dados, treinamento, avaliação e implantação de hardware (bônus), com evidências de diagnóstico de falhas e melhoria de resultados.
- Fortes habilidades em Python e PyTorch, com a disciplina de engenharia para construir fluxos de trabalho reproduzíveis de treinamento, conjuntos de dados e avaliação. Confortável trabalhando com software de robótica e lendo ou modificando C++ quando necessário.
- Compreensão prática de cinemática de robôs, frames de coordenadas, calibração de câmeras, interfaces de controle e as maneiras como o corpo (embodiment) afeta o aprendizado e a transferência.
- Um PhD, MS ou experiência prática equivalente em robótica, machine learning, ciência da computação ou área relacionada. Pesquisa de doutorado e trabalho substancial em código aberto contam como experiência relevante.
Experiência especialmente relevante
- Experiência no treinamento ou adaptação de políticas VLA ou modelos de mundo-ação (WAMs) em simulação e na avaliação de sua transferência para robôs físicos.
- DAgger, coleta de dados baseada em intervenção, RL offline, RL online ou ajuste fino de RL de políticas de robôs pré-treinadas.
- Manipulação bimanual, manipulação móvel, execução de tarefas humanoides, tarefas de contato complexo ou comportamento de longo horizonte com recuperação autônoma.
- Treinamento distribuído, simulação e renderização de alta vazão, ou otimização de inferência em GPUs embarcadas e de borda (edge).
Declaração de Transparência Salarial da Califórnia
Transparência Salarial e Compensação De acordo com a Lei de Transparência Salarial da Califórnia (SB 1162), a faixa salarial base esperada para esta posição localizada em Sunnyvale, CA é US$ 170,000 - US$ 400,000, além de bônus, ações e benefícios.
A remuneração real dentro desta faixa será determinada com base em vários fatores, incluindo as qualificações do candidato, experiência relevante, habilidades técnicas e expertise especializada. O salário base é apenas um componente do pacote total de recompensas da Noble Machines, que também pode incluir opções de ações, benefícios abrangentes de saúde, contribuições para planos de aposentadoria e incentivos baseados em desempenho.
Empregador com Igualdade de Oportunidades
A Noble Machines é um Empregador com Igualdade de Oportunidades. Celebramos a diversidade e estamos comprometidos em criar um ambiente inclusivo para todos os funcionários. Todas as decisões de emprego são baseadas nas necessidades do negócio, requisitos da função e qualificações individuais, sem levar em conta raça, cor, religião, sexo, orientação sexual, identidade de gênero, origem nacional, status de veterano, status de deficiência ou qualquer outro status protegido pelas leis federais, estaduais ou locais aplicáveis.
Como se candidatar
Compartilhe seu currículo e até dois projetos, artigos, bases de código ou demonstrações de robôs representativos. Descreva as partes do pipeline pelas quais você foi responsável, uma falha sim-to-real que você investigou, as mudanças de simulação ou treinamento que você fez e o desempenho resultante no hardware. Valorizamos propriedade demonstrada e resultados mensuráveis tanto da pesquisa quanto da indústria.
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