AI Engineer - RL Manipulation, RIVR in Zürich

Sind Sie leidenschaftlich daran interessiert, die Grenzen dessen, was Roboter tun können, zu erweitern? Amazon sucht einen kreativen und engagierten angewandten Wissenschaftler, der hilft, intelligente robotische Manipulationssysteme zu entwickeln, die durch Verstärkungslernen unterstützt werden. In dieser Rolle werden Sie maschinelles Lernen erforschen, entwerfen und implementieren, um Robotern zu ermöglichen, mit der physischen Welt auf zunehmend fähige Weise zu interagieren.

Zu den wichtigsten Aufgaben gehören:

• Forschung und Entwicklung von Methoden des Verstärkungslernens für die robotische Manipulation, um den Stand der Technik im Bereich Sim-to-Real-Transfer, kontaktreiche Steuerung und adaptive Greifstrategien voranzutreiben.
• Entwurf, Implementierung und Bewertung von Modellen und Algorithmen des maschinellen Lernens unter Verwendung von Deep-Learning-Frameworks wie PyTorch oder TensorFlow zur Schulung von Richtlinien, die über verschiedene Manipulationsaufgaben hinweg verallgemeinern.
• Aufbau und Pflege von produktionsreifem Code, der wissenschaftliche Prototypen in größere Robotersysteme integriert, wobei durchdachte Abwägungen zwischen Komplexität, Leistung und Wartbarkeit getroffen werden.
• Zusammenarbeit mit funktionsübergreifenden Ingenieur- und Wissenschaftsteams zur Definition von Simulationsanforderungen, Validierung der Modellleistung und Iteration von Lösungen, die durch Feedback von realer Hardware informiert sind.
• Beitrag zur wissenschaftlichen Roadmap des Teams durch Identifizierung neuer Forschungsrichtungen, Mentoring von Kollegen und Veröffentlichung von Ergebnissen in begutachteten Fachzeitschriften, wenn dies angemessen ist.

Ein typischer Tag könnte so aussehen: Sie beginnen Ihren Morgen mit der Überprüfung der nächtlichen Trainingsläufe, analysieren Belohnungskurven und Fehlermodi Ihrer neuesten Experimente im Bereich Verstärkungslernen. Nach einem kurzen Austausch mit Robotikingenieuren verlagern Sie sich darauf, eine Simulationsumgebung zu verfeinern, um eine Lücke zu schließen, die Sie zwischen der Simulation und der realen Leistung festgestellt haben. Am Nachmittag arbeiten Sie mit einem Teamkollegen zusammen, um ein neues Bewertungsframework zu entwerfen, und beenden den Tag mit dem Entwurf eines kurzen Berichts über Ihre Erkenntnisse, den Sie mit dem breiteren Team teilen.

Über das Team: Unser Team befindet sich an der Schnittstelle von Forschung im Bereich maschinelles Lernen und realer Robotik und konzentriert sich darauf, Robotern das präzise und anpassungsfähige Manipulieren von Objekten beizubringen. Wir kombinieren Verstärkungslernen, physikbasierte Simulation und praktische Hardwarevalidierung, um Lösungen zu liefern, die über das Labor hinaus funktionieren. Wir schätzen intellektuelle Neugier, kollaboratives Problemlösen und ein gemeinsames Engagement, ehrgeizige Forschungsideen in greifbare Auswirkungen umzusetzen.

Grundqualifikationen:

• Master-Abschluss oder höher in einem relevanten Bereich wie Ingenieurwesen, Robotik oder maschinellem Lernen.
• Mindestens fünf Jahre Industrie- oder Forschungserfahrung, wobei Erfahrungen auf Doktoratsniveau anwendbar sind.
• Starke Grundlagen im Bereich Deep Learning, einschließlich überwachter und selbstüberwachter Lerntechniken sowie Verstärkungslernen, einschließlich Markov-Entscheidungsprozesse (MDPs), Architekturen neuronaler Netze, Algorithmen zur Optimierung von Richtlinien, modellbasiertes vs. modellfreies RL, Erkundungs-Exploitationsstrategien, Wertfunktion-Methoden, Transferlernen, Domänenanpassung, Sim-to-Real-Transfer usw.
• Starker Hintergrund in der Robotik, einschließlich Autonomie und/oder Manipulation.
• Erfahrung mit der Bereitstellung künstlicher neuronaler Netze auf Hardware-Plattformen.
• Fähigkeit, produktionsrelevanten Code in modernem C++ zu schreiben.
• Fähigkeit, Algorithmen zu prototypisieren und tiefe neuronale Netze in Python zu trainieren.
• Starker Hintergrund in der robotischen Manipulation, einschließlich Dynamik, Greif-Synthese und Trajektorienoptimierung.

Bevorzugte Qualifikationen:

• Doktorgrad in Robotik, Ingenieurwesen, Informatik, maschinellem Lernen oder einem ähnlichen Fachgebiet oder eine gleichwertige Menge an Forschungserfahrung.
• Veröffentlichungen auf erstklassigen Konferenzen (z.B. ICRA, IROS, CoRL, RSS), die sich speziell auf robotische Manipulation, Greifen oder kontaktreiches RL konzentrieren.
• Nachgewiesene Erfahrung in der Arbeit mit taktilen Sensoren, mehrfingerigen Robotikhänden oder bimanualer Manipulation.

Amazon ist ein Arbeitgeber, der Chancengleichheit bietet. Wir glauben leidenschaftlich daran, dass die Beschäftigung einer vielfältigen Belegschaft für unseren Erfolg entscheidend ist. Wir treffen Einstellungsentscheidungen basierend auf Ihrer Erfahrung und Ihren Fähigkeiten. Wir schätzen Ihre Leidenschaft für Entdeckung, Erfindung, Vereinfachung und Aufbau. Der Schutz Ihrer Privatsphäre und die Sicherheit Ihrer Daten haben für Amazon höchste Priorität. Bitte konsultieren Sie unsere Datenschutzerklärung, um mehr darüber zu erfahren, wie wir die persönlichen Daten unserer Kandidaten sammeln, verwenden und übertragen. Unsere inklusive Kultur befähigt Amazonians, die besten Ergebnisse für unsere Kunden zu erzielen. Wenn Sie eine Behinderung haben und während des Bewerbungs- und Einstellungsprozesses, einschließlich Unterstützung für das Vorstellungsgespräch oder den Onboarding-Prozess, eine Arbeitsplatzanpassung benötigen, besuchen Sie bitte unsere Website für weitere Informationen.