Auf einen Blick
- Aufgaben: Entwickle und optimiere KI-Modelle für physische Roboteranwendungen.
- Unternehmen: Innovatives Unternehmen im Bereich Robotik mit einer dynamischen Forschungsumgebung.
- Vorteile: Hybrid-Arbeitsmodell, wettbewerbsfähiges Gehalt und Zugang zu modernster Technologie.
- Weitere Informationen: Exzellente Karrierechancen in einem schnell wachsenden Technologiefeld.
- Warum dieser Job: Sei Teil der Zukunft der Robotik und forme die nächste Generation intelligenter Maschinen.
- Qualifikationen: Master oder PhD in Informatik, Robotik oder verwandten Bereichen erforderlich.
Das prognostizierte Gehalt liegt zwischen 75000 - 95000 € pro Jahr.
Standort: München, Deutschland
Sprache: Deutsch (B2+ erforderlich) & Englisch
Arbeitsmodell: Hybrid (Vor-Ort-Hardware-Labortage)
Stellenart: Vollzeit, unbefristet
Die Gelegenheit
Im Auftrag eines hochinnovativen, gut finanzierten Pioniers im deutschen Robotik-Ökosystem suchen wir einen visionären Spezialisten für Generative AI / Large Behaviour Model (LBM). Dieses Unternehmen bewegt sich an der absoluten Grenze der physischen KI und entfernt sich aktiv von traditioneller, deterministischer Programmierung. Stattdessen entwickeln sie modernste neuronale Architekturen, die intelligenten physischen Agenten die Fähigkeit verleihen, komplexe Manipulationsaufgaben in unstrukturierten Umgebungen zu erkennen, zu schlussfolgern und autonom auszuführen.
Diese Organisation mit Sitz in München kombiniert die schnelle Agilität eines Elite-Deep-Tech-Forschungslabors mit der robusten Ingenieurinfrastruktur eines etablierten Branchenveränderers. Diese Position bietet eine seltene hybride Balance: die Flexibilität der Remote-Softwareentwicklung gepaart mit kritischer praktischer Hardwarevalidierung in einem erstklassigen Robotiklabor.
Die Kernmission: Übergang fortschrittlicher generativer Modelle vom digitalen Bereich in die physische Realität. Der erfolgreiche Kandidat wird die Entwicklung multimodaler Architekturen leiten, bei denen hochgradige semantische Absichten nahtlos in Zero-Shot-physische Ausführungen übersetzt werden.
Hauptverantwortlichkeiten
- Architekturentwicklung: Entwerfen, Trainieren und Feinabstimmen von Vision-Language-Action (VLA)-Modellen und großen Verhaltensmodellen (LBMs), die auf latenzarme, multimodale Robotersteuerung zugeschnitten sind.
- Sim-to-Real-Pipeline-Optimierung: Aufbau und Skalierung skalierbarer Trainingspipelines unter Verwendung hyperrealistischer Simulationsphysikumgebungen, um generative Richtlinien in großem Maßstab zu trainieren, bevor Modelle auf physische Hardware bereitgestellt werden.
- End-to-End-Lernsysteme: Entwickeln, Testen und Optimieren von End-to-End-neuronalen Netzwerken, die in der Lage sind, rohe multimodale Sensoreingaben (visuell, taktil, räumliche Telemetrie) in Echtzeit flüssige Motorbefehle zu überführen.
- Cross-Funktionale Hardware-Integration: Enge Zusammenarbeit mit Embedded Software Engineers und Control System Engineers, um Modelle, die direkt auf Edge-Computing-Einheiten (z.B. NVIDIA Jetson-Plattformen) laufen, bereitzustellen, zu benchmarken und zu iterieren.
- Übergang zu modernster Forschung: Überwachen, Replizieren und Anpassen der neuesten Durchbrüche im maschinellen Lernen (Diffusionsrichtlinien, transformerbasierte Architekturen und generatives Verhaltensklonen) aus der Spitzenforschung in produktionsbereite kommerzielle Rahmenwerke.
Kandidatenprofil
Der ideale Kandidat befindet sich an der Schnittstelle zwischen moderner Deep-Learning-Theorie, generativer KI-Architektur und physischer Hardwarebereitstellung. Er ist von Natur aus neugierig, analytisch und hat eine tiefe Leidenschaft dafür, die unstrukturierten, realen Randfälle der verkörperten KI zu lösen.
Erforderliche Qualifikationen & Fähigkeiten
- Bildung: Masterabschluss oder Doktortitel in Informatik, Robotik, Maschinellem Lernen, Physik oder einem stark quantitativen Bereich mit speziellem Fokus auf Deep Learning.
- Erfahrung in generativer KI & Architektur: Nachweisliche Erfolge in der Entwicklung und Skalierung von Transformatoren, Diffusionsmodellen oder großen multimodalen Grundmodellen. Spezifische Erfahrung in der Anpassung dieser Modelle für räumliches Denken, Navigation oder physische Aktionen ist von großem Vorteil.
- Kerntechnologiestack: Außergewöhnliche Programmierfähigkeiten in Python und tiefes Verständnis von Frameworks für maschinelles Lernen wie PyTorch oder JAX.
- Robotik-Frameworks: Direkte praktische Erfahrung oder tiefgehendes theoretisches Verständnis von ROS2 (Robot Operating System), Datenserialisierung und robotischen Kinematik.
- Simulationswerkzeuge: Vorherige Erfahrung mit modernen Physik-Engines und Simulationsumgebungen (z.B. NVIDIA Isaac Sim, MuJoCo, Drake) für das Robotiklernen.
Gen AI Large Behaviour Model Specialist Arbeitgeber: Develop
Unser Unternehmen in München ist ein führender Innovator im Bereich der Robotik und bietet eine dynamische Arbeitsumgebung, die die Agilität eines Elite-Forschungslabors mit der Stabilität eines etablierten Branchenführers kombiniert. Wir fördern eine Kultur der Zusammenarbeit und des kontinuierlichen Lernens, in der Mitarbeiter die Möglichkeit haben, an bahnbrechenden Projekten zu arbeiten und ihre Fähigkeiten in einem hybriden Arbeitsmodell weiterzuentwickeln. Mit Zugang zu modernster Technologie und einem inspirierenden Team sind wir bestrebt, die Grenzen der physischen KI zu verschieben und unseren Mitarbeitern bedeutungsvolle und erfüllende Karrieremöglichkeiten zu bieten.
