Senior Reinforcement Learning Engineer

ANYbotics ist ein schnell wachsendes Technologieunternehmen, das sich der Gestaltung der Zukunft der mobilen Robotik in verschiedenen Branchen widmet. Schließen Sie sich unserem hochqualifizierten und motivierten Team von mehr als 200 Personen an und arbeiten Sie an modernster Robotertechnologie.

Wir suchen einen Senior Reinforcement Learning Engineer für unser Motion Intelligence-Team. Sie sollten über tiefgehende Expertise in Reinforcement Learning und Policy-Optimierung verfügen, die auf realer Robotik-Erfahrung basiert, und begeistert sein, die Grenzen autonomer Roboter zu erweitern. Wir suchen jemanden, der senior-level RL- und lernbasierte Steuerungsanleitungen im Team bereitstellen kann — und damit prägt, wie wir erlernte Richtlinien auf physischen Robotern in anspruchsvollen industriellen Umgebungen trainieren, bereitstellen und warten.

Über die RL-Expertise hinaus schätzen wir Ingenieure, die stolz darauf sind, sauberen, wartbaren Code zu schreiben, komplexe Systeme durch durchdachtes Design zu vereinfachen und solide Schnittstellen und Architekturen zu fördern.

ANYbotics entwickelt maßgeschneiderte Softwarelösungen, die es unseren beinartigen Robotern ermöglichen, Inspektions- und Wartungsaufgaben mit Präzision und Konsistenz auszuführen. Diese Rolle befindet sich an der Schnittstelle zwischen modernster RL-Forschung und Produktionsrobotik — von der Sim-to-Real-Policy-Übertragung und Belohnungsengineering bis hin zur zuverlässigen Bereitstellung in mission-critical Systemen im Feld. Sie werden über den gesamten Lebenszyklus hinweg arbeiten — von der frühen Entwicklungsprototypisierung bis hin zu mission-critical Produktionsbereitstellungen.

ANYbotics transformiert industrielle Anlagen im Energie-, Prozess- und Versorgungssektor, indem wir Robotik in eine Vielzahl neuartiger Anwendungen einführen, die bisher unerreichbar waren. Unsere Kunden sind große Anlagenbetreiber und industrielle Dienstleister, die die Nutzung von Robotertechnologie für Inspektion und Wartung vorantreiben. Unser mobiler Roboter ANYmal nutzt Beine für extreme Mobilität in komplexen Umgebungen, kamera- und LIDAR-basierte Sensorik für volle Autonomie und Hindernisvermeidung sowie KI für qualitativ hochwertige und konsistente Inspektionsergebnisse.

Ihr Einfluss:

• Leiten Sie das Design, das Training und die Bereitstellung von Reinforcement-Learning-Richtlinien für die Roboterbewegung — Überbrückung der Kluft von Simulation zu zuverlässiger Leistung in der realen Welt.
• Stellen Sie technische Leitlinien zu RL und lernbasierter Steuerung im Team bereit, betreuen Sie Ingenieure und etablieren Sie Best Practices für die Entwicklung von Richtlinien-Workflows.
• Besitzen und entwickeln Sie die RL-Trainingsinfrastruktur und die Sim-to-Real-Pipeline weiter, um Reproduzierbarkeit, Skalierbarkeit und schnelle Iterationszyklen sicherzustellen.
• Gestalten Sie die technische Vision für interne ML-Tools und das Experimentmanagement (z.B. Trainings-Dashboards, automatisierte Evaluierungs-Pipelines), um Effizienz und Strenge in den Lern-Workflows des Teams voranzutreiben.
• Arbeiten Sie eng mit funktionsübergreifenden Stakeholdern zusammen, um zu identifizieren, wie der autonome Betriebsbereich des Roboters erweitert werden kann.
• Beheben Sie Probleme im Feld, die mit der Fortbewegung zusammenhängen, erkennen Sie Fehlermuster und verbessern Sie schnell die Robustheit der Richtlinien basierend auf realen Einsatzdaten.
• Schreiben, bereitstellen und warten Sie effiziente Python- und C++-Software für den Lern- und Fortbewegungsstapel.

Ihr Profil:

• PhD in Robotik, maschinellem Lernen, Informatik oder einem verwandten Bereich mit starkem Fokus auf Reinforcement Learning; alternativ eine gleichwertige Erfolgsbilanz in der RL-Forschung und -Bereitstellung in der Robotik.
• Oder Master-Abschluss von einer erstklassigen technischen Universität (z.B. ETH Zürich, EPFL) in Robotik, maschinellem Lernen, Informatik oder einem verwandten Bereich und 5+ Jahre Berufserfahrung.
• Nachweisliche Erfolge beim Versand von ML-Modellen in das Feld und deren langfristige Wartung.
• Solide Grundlagen in den Grundlagen der Robotersteuerung und autonomen Systeme, einschließlich: Bewegungssteuerung, Zustandsabschätzung, Pfadplanung und Aktuation.
• Erfahrung mit robotischen Simulationswerkzeugen wie Gazebo oder Isaac Sim.
• Starkes Verständnis von Sim-to-Real-Transfer, Domänenrandomisierung, Belohnungsformung und Techniken zur Robustheit von Richtlinien.
• Beherrschung von Python und modernen ML-Frameworks (PyTorch); Grundkenntnisse in C++.
• Starkes Wissen über Linux-Systeme und Middleware-Frameworks zur Integration erlernter Komponenten in einen größeren Software-Stack.
• Pragmatische und lösungsorientierte Denkweise — komfortabel im Ausbalancieren von Forschungserkundung und Produktionslieferung.
• Ausgezeichnete Kommunikationsfähigkeiten in Englisch.

Bonuspunkte:

• Erfahrung im Training und in der Bereitstellung von RL-Richtlinien auf physischen Robotern — nicht nur in der Simulation.
• Entwicklung skalierbarer und modularer Roboterarchitekturen von Bewegungssteuerungssystemen.
• Erfahrung mit Navigationssystemen und dem Betrieb autonomer mobiler Roboter in unstrukturierten Umgebungen.
• Interesse an agentischen Ingenieur-Toolchains.
• Erfahrung in der Leitung des Designs von Softwarearchitekturen und Best Practices der Softwaretechnik.
• Ein solides Verständnis physikalischer Systeme, insbesondere Multikörperdynamik, elektromechanische Antriebsphysik, Energieoptimierung und Kontaktphysik, um sicherzustellen, dass erlernte Richtlinien die Hardwaregrenzen respektieren und erfolgreich von der Simulation in die reale Welt übertragen werden.

Wir bieten Ihnen ein sehr spannendes und dynamisches Arbeitsumfeld, die Möglichkeit, Teil eines schnell wachsenden Unternehmens und eines ehrgeizigen Teams zu werden, das die industrielle Inspektionsbranche verändern möchte, die Chance, Ihre Erfahrungen zu nutzen und eigene Ideen einzubringen, ein faires Markengehalt, einen attraktiven Mitarbeiterbeteiligungsplan und einen Arbeitsplatz in der Stadt Zürich.