Staff Robotics Simulation Engineer, AI/ML Software

Über Analog Devices: Analog Devices, Inc. (NASDAQ: ADI) ist ein globaler Marktführer in der Halbleiterindustrie, der die physische und digitale Welt verbindet, um Durchbrüche am Intelligent Edge zu ermöglichen. ADI kombiniert analoge, digitale, KI- und Softwaretechnologien in Lösungen, die den Klimawandel bekämpfen, Menschen und die Welt zuverlässig verbinden und Fortschritte in Automatisierung und Robotik, Mobilität, Gesundheitswesen, Energie und Rechenzentren vorantreiben. Mit einem Umsatz von über 11 Milliarden US-Dollar im Geschäftsjahr 2025 stellt ADI sicher, dass die Innovatoren von heute immer einen Schritt voraus sind.

Standort: Limerick
Team: Edge AI Group, Analog Devices Inc. (ADI)

Analog Devices’ Edge AI-Team hat sich zum Ziel gesetzt, die Art und Weise, wie Maschinen die Welt wahrnehmen und mit ihr interagieren, neu zu definieren. Wir entwickeln Echtzeitsysteme, die erstklassige Sensortechnologie mit modernster KI kombinieren – am Edge, wo Millisekunden entscheidend sind.

Wir suchen einen Staff AI/ML Robotics Simulation Engineer, der die Entwicklung hochpräziser Simulationen und Validierungsworkflows für robotische Systeme, einschließlich feststehender Roboter und Humanoiden, leitet. Diese Rolle kombiniert tiefgehende Expertise in der Sensorsimulation, mechanischen Modellierung und KI-gesteuerten Datenworkflows, um sicherzustellen, dass unsere Systeme sowohl in virtuellen als auch in physischen Umgebungen zuverlässig funktionieren.

Verantwortlichkeiten:

• Sensor-Simulation & Modellierung: Entwerfen und Implementieren von benutzerdefinierten Sensormodellen (z.B. ToF, RGB-D, LiDAR, IMUs) in Simulationsplattformen wie NVIDIA Isaac Sim, unter Verwendung von USD für die Integration.
• Mechanische Simulation & FEA: Anwendung traditioneller numerischer Simulationstechniken (z.B. FEA) zur Modellierung des mechanischen Verhaltens von Roboterkomponenten. Nutzung von Tools wie Ansys, Comsol oder Abaqus zur Simulation von Stress, Deformation und dynamischem Verhalten.
• Sim-to-Real-Ausrichtung: Leitung der Bemühungen zur Schließung der Sim-to-Real-Lücke in Robotikanwendungen durch Domänenrandomisierung, Geräuschmodellierung und physikbasierte Einschränkungen. Validierung der Simulationsergebnisse anhand realer Daten.
• Synthetische Datengenerierung: Entwicklung simulationsgesteuerter Workflows zur Erstellung hochwertiger synthetischer Datensätze für das Training von KI-Modellen, einschließlich Wahrnehmung, Steuerung und physikinformierten neuronalen Netzwerken.
• ML-Integration: Zusammenarbeit mit AI/ML-Ingenieuren zur Integration von Simulationsergebnissen in Modelltrainingspipelines, insbesondere für physikinformierte maschinelles Lernen (PIML)-Anwendungen.
• Feldvalidierung & Unterstützung: Überwachung von Tests vor Ort und Validierung von Robotersystemen und Sensorarrays, um die Übereinstimmung von Simulation und realer Leistung sicherzustellen.
• Innovation & Führung: Aktuell bleiben bei Fortschritten in der Robotersimulation, Sensortechnologien und KI. Mentoring von Junior-Ingenieuren und Anleitung zur Einführung innovativer Simulations- und Validierungstechniken.

Qualifikationen:

• Ph.D. oder M.S. in Robotik, Maschinenbau, Informatik, Physik oder einem verwandten Bereich.
• 6+ Jahre Erfahrung in der Robotersimulation, Sensorsimulation oder mechanischer Validierung.
• Tiefgehende Expertise in Simulationsplattformen (z.B. Isaac Sim, Gazebo) und Sensorsimulation.
• Starke Kenntnisse in Python, C++ und bewährten Praktiken der Softwareentwicklung.
• Praktische Erfahrung mit FEA-Tools wie Ansys, Comsol oder Abaqus.
• Erfahrung mit fortgeschrittenen ML-Frameworks (z.B. PyTorch, TensorFlow) und wissenschaftlichen Rechenbibliotheken.
• Nachweisliche Erfolge bei der Integration von Simulationen mit realen Robotersystemen.
• Erfahrung mit der Generierung synthetischer Daten und der Validierung gegen physikalische Benchmarks.
• Solides Verständnis der Herausforderungen und Strategien zur Minderung von Sim-to-Real.

Bonus-Erfahrung:

• Erfahrung in der Implementierung benutzerdefinierter Finite-Elemente-Löser oder Mitwirkung an Open-Source-Simulationsframeworks.
• Vertrautheit mit dem Design, der Kalibrierung und der Signalverarbeitung von Sensorhardware.
• Veröffentlichungen oder Projekterfahrungen im Bereich physikinformiertes maschinelles Lernen oder mechanische Simulation.
• Erfahrung mit Reinforcement Learning (RL) und sicherer Bereitstellung von RL-Agenten auf physischen Robotern.
• Nachweisliche Fähigkeit, simulationsgesteuerte Workflows für das Training von KI-Modellen, Systemvalidierung oder Wahrnehmungstests bereitzustellen.

Warum Sie sich uns anschließen sollten:

Schließen Sie sich ADIs Edge AI-Team an, um wirklich intelligente Edge-Systeme zu schaffen – wo Sensing, Lernen und Handeln in Echtzeit stattfinden. Sie arbeiten in einer schnelllebigen, kollaborativen Umgebung und lösen schwierige Probleme mit Menschen, die sich um Auswirkungen, Zuverlässigkeit und reale Leistung kümmern.