Dynamics, System Identification & Estimation Engineer - PLA (human)

Dynamics, System Identification contact model parameterisation, actuator model calibration.

Real-time state estimation: floating-base EKF/UKF implementation and tuning for pelvis pose, velocity, and foot contact state at RT loop rates; feeds downstream controllers and loco-manipulation policy inputs.

Sim-to-real pipeline: parameter estimation loops, hardware-data-driven calibration, validation against motion capture or external reference systems — die kontinuierliche Rückkopplung zwischen Hardware-Kampagnen und aktualisierten Sim-Modellen.

Failure mode ownership: debugging model-accuracy-driven failures — control instability from inaccurate dynamics, estimation drift or bias causing divergence, incorrect contact/force estimation leading to instability in dynamic interactions.

Cross-team interface: supplying updated Pinocchio model parameters to the WBC and State Estimation Engineers in Core Robot Software; aligning on excitation trajectory designs with the Locomotion and RL/Control Engineers.

Qualifications

• MSc oder PhD in Robotics, Mechanical Engineering, Electrical Engineering oder einem verwandten Bereich mit einer soliden Grundlage in Dynamik, Schätzung und Kontrolle.
• 4+ Jahre Erfahrung in der Entwicklung von Zustandsabschätzungs- oder Systemidentifikationslösungen für Echtzeit-Robotersysteme — auf echter Hardware, nicht nur Simulation.
• Systemidentifikation an physischen Robotersystemen: Entwurf von Erregungstrajektorien, Anpassung von kleinsten Quadraten oder Maximum-Likelihood-Regressoren, Identifikation von Aktuator- und Übertragungsparametern.
• Implementierung der Zustandsabschätzung: EKF oder UKF für schwebende Basispose, Geschwindigkeit und Kontaktzustand auf einer bein- oder mobilen Roboterplattform.
• Tiefe Kenntnisse in der starren Körperdynamik: Kontaktmodellierung, Aktuatorverhalten und wie Modellungenauigkeiten zu Kontrollinstabilität führen — nicht nur theoretische Vertrautheit.
• Erfahrung in der Unterstützung von Regelungssystemen (MPC, WBC) oder gelernten Politiken (RL) durch Hardware-Einsatz — Verständnis dafür, wie die Modellqualität den Politiktransfer beeinflusst.
• C++ für Produktions-RT-Systeme; Python für Analyse, Werkzeuge und Kalibrierungspipelines.

Nice to Have

• Praktische Erfahrung mit humanoiden oder beinartigen Robotern — 4NE‑1 ist ein vollwertiger Humanoid; bipedale Dynamik und Kontaktkomplexität sind direkt relevant.
• Differenzierbare Simulatoren für gradientenbasierte Systemidentifikation (Brax, DiffTaichi oder vergleichbar).
• Sim-to-real-Transfermethodik: Domänenrandomisierung, adaptive Kalibrierung, Residualphysikmodellierung.
• Pinocchio für die Berechnung von starren Körpermodellen und die Analyse der Parametersensitivität.
• MuJoCo-Modellautoren: MJCF-Kontaktparameter, Aktuatormodelle, Sehnendynamik.
• Faktorgrafik-basierte Schätzung (GTSAM, iSAM2) für eng gekoppelte IMU + Kinematikfusion.
• Veröffentlichungen oder Open-Source-Beiträge in der Dynamik von beinartigen Robotern, Systemidentifikation oder Sim-to-Real-Transfer.

Was Sie erwarten können

• Kreative Freiheit und Agilität: Genießen Sie eine dynamische, selbstständige Arbeitskultur mit flachen Hierarchien, flexiblen Arbeitszeiten und 25 Urlaubstagen. Ideal für diejenigen, die ein inspirierendes berufliches Umfeld suchen, egal ob Sie am Anfang Ihrer Karriere stehen oder ein erfahrener Experte sind.
• Leidenschaft für den Gewinn: Ein leidenschaftliches und hochqualifiziertes Team internationaler Experten, das darauf abzielt, Roboterassistenten neu zu definieren.
• Attraktive Vergütung: Genießen Sie ein wettbewerbsfähiges Gehaltspaket sowie exklusive Mitarbeiterrabatte.
• Ein Team: Ob Sommerfest oder Unternehmensversammlungen, wir feiern unsere Erfolge gemeinsam.
• Berufliches Wachstum: Unterstützung für Ihre persönliche und berufliche Entwicklung.