Founding Robot Learning Research Engineer

Unser Kunde ist ein vertikal integriertes Robotikunternehmen, das geschickte Fabrikautomatisierung aufbaut, unterstützt von Jeff Dean, Pieter Abbeel und Führungskräften von OpenAI. Diese Mission erfordert eine enge Integration von Robotiklernen, Hardware, Fabrikbetrieb und einer verbraucherorientierten Marke. Das Gründungsteam umfasst den Schöpfer des DROID-Datensatzes, einen 15-jährigen Veteranen im Aufbau intelligenter Fabrikautomatisierung, einen 40-jährigen Betreiber, der Fabriken von Grund auf gebaut hat, und einen SVP einer globalen Verbrauchermarke mit über 10 Milliarden US-Dollar Umsatz.

Die These unseres Kunden: Der größte Engpass im Robotiklernen ist Daten, und der beste Weg, dies zu lösen, besteht darin, sie als Nebenprodukt von Einnahmen zu generieren. Sie haben ihre eigene Fabrik in Vietnam, in der Arbeiter Handgeräte verwenden, die wie die Hände unserer Roboter geformt sind, um morphologieangepasste Demonstrationsdaten in großem Maßstab durch echte Produktionsarbeit zu generieren. Diese Daten trainieren die Roboter, die die Fabrik automatisieren. Experimentation, Datensammlung, Modelltraining und Bereitstellung verschmelzen zu einem selbsttragenden internen Kreislauf. Ihre Systeme laufen in einer Fabrik, nicht in einem Labor, unter realen Bedingungen: Durchsatz, Betriebszeit, Zuverlässigkeit und präzise Manipulation an tatsächlichen Materialien.

Standort: USA und Vietnam. Einige werden in den USA ansässig sein mit gezielten Reisen nach Vietnam; andere werden dort Vollzeit ansässig sein. Wir vertrauen darauf, dass Sie herausfinden, was Ihre Arbeit benötigt und sie erledigen. US-Büro: Die Stadt wird noch entschieden, und das Feedback des Gründungsteams ist Teil dieses Prozesses. Phase: Frühphase der Forschung und Systementwicklung im Bereich Robotiklernen. Berichtet an: Mitgründer / CTO. Kernmandat: Verantwortung für die Forschung, Entwicklung und Skalierung von Robotiklernsystemen.

Ihre Aufgabe ist es, die Lernpipeline zu erstellen, die unseren Fabrikdatenmotor in geschickte Roboter verwandelt. Dies ist eine Rolle in der Forschungs- und Ingenieurtätigkeit. Sie müssen rigoros über schwierige Probleme nachdenken, herausfinden, welche Systeme richtig sind, und diese dann bauen. Diese Rolle umfasst vier Bereiche:

• Forschung und Problemanalyse: Zerlegen Sie schwierige Manipulationsherausforderungen in testbare Hypothesen und lösen Sie diese durch schnelle Experimente.
• Kernmodellentwicklung: End-to-End-Verantwortung für Architekturen, Trainingspipelines und Evaluierungssysteme für geschickte Automatisierung.
• Dateninfrastruktur: Bauen Sie die Pipelines, die skalierbare, kontinuierliche Datensammlung in einer funktionierenden Fabrik ermöglichen.
• Roboter- und Sensorsysteme: Entwickeln Sie Software für Roboter-, Kamera- und Sensorsysteme, die den Datenfluss sauber halten.

Sie werden diese Systeme selbst mit voller Verantwortung in einer schlanken Gründungsumgebung aufbauen und bei Bedarf Hilfe hinzuziehen, während die Dinge wachsen. Wenn sich die Infrastruktur stabilisiert, verschiebt sich die Arbeit darauf, was letztendlich wichtig ist: bessere Modelle zu bauen, Lernparadigmen voranzutreiben und die Grenzen der geschickten Automatisierung zu erweitern. Wenn Sie von Anfang an tiefgehende Verantwortung für ein schwieriges Problem übernehmen möchten, ist dies die Rolle für Sie.

Verantwortlichkeiten & Technischer Umfang:

• Forschung und Problemanalyse: Hypothesengetriebenes Entwickeln über Simulation, echte Roboterhardware und ML-Systeme.
• Kernmodellentwicklung: VLAs, VLMs, Diffusionsmodelle, Weltmodelle und Belohnungsmodelle.
• Dateninfrastruktur: Echtzeit-Multi-Modalerfassung (Vision, Kraft, Propriozeption) mit enger Zeit-Synchronisation.
• Roboter- und Sensorsysteme: ROS/ROS2, Roboterinbetriebnahme und -kommissionierung, Robotersteuerungsstapel, Teleoperationssoftware und Hardware-Schnittstellen.

Idealer Hintergrund:

• PhD oder gleichwertige Tiefe im Robotiklernen durch Forschung oder praktische Systementwicklung.
• Starke Erfolgsbilanz beim Training großangelegter VLAs, VLMs, Diffusionsmodelle oder Weltmodelle.
• Tiefe praktische Erfahrung mit echter Roboterhardware: Inbetriebnahme, ROS/ROS2, Gelenkkontrolle, inverse Kinematik und Aufbau des Stacks von Grund auf.
• Erfahrung im Aufbau und der Erweiterung von Robotersimulatoren.
• Arbeitet eng mit dem Gründungshardwareteam zusammen, um sicherzustellen, dass Lernsysteme und Hardware gemeinsam weiterentwickelt werden.

Diese Rolle ist kein Umfeld, in dem strategische Beiträge nicht gewünscht sind. Sie werden erwartet, dass Sie über das große Ganze nachdenken, was Sie lernen, mit der breiteren Automatisierungsthese verbinden und helfen, die Richtung zu gestalten.

Warum Vietnam? Vietnam ist der Ort, an dem Systeme unter echtem Druck stehen und Hypothesen der Realität begegnen: produktionsgerechte Fabriken, echte Bereitstellungsbedingungen und Datensammlung in einem Umfang, den kein US-Labor erreichen kann. Die Immersion in die Fabrik bringt Muster ans Licht und baut Intuition auf, die sich im Laufe der Zeit verstärkt.

Vergütung & Umzug: Basis: 100.000–180.000 USD pro Jahr (flexibles Gehalt/Eigenkapital). Eigenkapital: 1%–2%, 4 Jahre Vesting/1 Jahr Cliff; Auffrischungen bei Meilensteinen. Kurze Vietnam-Einsätze: Vollständig abgedeckt (Unterkunft, Flüge, Visum). Vollständige Vietnam-Umzüge: Visumsunterstützung, Umzugsflüge und Flexibilität für Familienbedürfnisse.