Senior Reinforcement Learning Engineer

Gravis Robotics ist ein Startup, das schwere Baumaschinen in intelligente und autonome Roboter verwandelt. Unsere einzigartige Kombination aus lernbasierter Automatisierung und erweitertem Fernsteuerung ermöglicht es einem einzelnen Bediener, eine Flotte von Erdbewegungsmaschinen in einer spielerischen Umgebung sicher zu verwalten. Mit über einem Jahrzehnt akademischer Erfahrung an der Spitze der großangelegten Robotik übersetzt unser Team dieses Fachwissen schnell in reale Einsätze mit Branchenführern in einem Billionen-Dollar-Markt.

Unser Rooftop Autonomous Control Kit (RACK) integriert Sensorik, Rechenleistung, Kommunikation und Netzwerke in eine herstellerunabhängige Lösung, die über eine Vielzahl von Baumaschinen hinweg funktioniert. Wir arbeiten an der Schnittstelle von Hardware, Software und realen Einsätzen und wachsen schnell.

Über die Stelle

Das Autonomie-Team bei Gravis entwickelt autonome Systeme für Bagger, die in realen Baustellenumgebungen arbeiten. Sie werden Steuerungsmodulen entwickeln, die auf vielen verschiedenen Maschinen, an verschiedenen Standorten und unter unterschiedlichen Bodenbedingungen laufen. Wir suchen einen Robotiker mit einem datengestützten Planungs- und/oder Steuerungshintergrund, tiefen Python-Kenntnissen und einem guten Niveau an C++-Kenntnissen.

Um in dieser Rolle erfolgreich zu sein, sollten Sie Erfahrung im Umgang mit physischen Robotern haben, die Herausforderungen des Sim-to-Real (sim2real) Transfers bewältigen und robotische Systeme in Produktionsumgebungen einsetzen können.

Was Sie tun werden

Lernbasierte Planung und Kontrolle für reale Systeme

• Entwicklung datengestützter Planungs- und Kontrollsysteme für autonome Ausgrabungen, die über Maschinenmodelle und Bodenbedingungen hinweg verallgemeinert werden.
• Beitrag zu Simulationserweiterungen, die die sim2real-Lücke reduzieren oder adressieren.
• Definition von Datensammel- und Kurationspipelines zur Einbeziehung realer Daten in das Policy-Training.
• Entwurf von Experimenten, die sich auf kontinuierliche Leistungs- und Robustheitsverbesserungen konzentrieren.
• Erforschung des Einsatzes von adaptivem und online Reinforcement Learning in eingesetzten Systemen.
• Mentoring und Aufsicht für junior Teammitglieder, Praktikanten und Studenten bieten.

Systemintegration

• Integration erlernter Komponenten in einen größeren Software-Stack.
• Zusammenarbeit mit Ingenieuren für Ausgrabung und Bewegungsplanung.
• Entwicklung von Werkzeugen zur Analyse und Bewertung des Verhaltens erlernter Komponenten.

Was wir suchen

Wir erkennen an, dass hervorragende Kandidaten aus unterschiedlichen Hintergründen mit verschiedenen Kombinationen von Fähigkeiten kommen. Wenn Sie die meisten der unten aufgeführten Kernqualifikationen erfüllen, ermutigen wir Sie nachdrücklich, sich zu bewerben.

Kernqualifikationen

• 2-5 Jahre Branchenerfahrung in der Entwicklung von Reinforcement Learning-Systemen für Steuerung und/oder Planung und deren Einsatz auf realen Robotern mit einem Kunden. Wenn Sie nur Erfahrung mit Simulation haben, sind Sie wahrscheinlich nicht gut für diese Position geeignet.
• Erfahrung mit GPU-beschleunigten Simulationsumgebungen (z.B. IsaacSim/IsaacLab, CARLA, MuJoCo).
• Starke Python-Kenntnisse und Erfahrung mit PyTorch oder ähnlichen Bibliotheken.
• Kenntnisse in C++.
• Komfortabel im Debuggen des Verhaltens realer Systeme.
• Bereitschaft zu reisen, wie es die Geschäftsprojekte erfordern.

Wünschenswerte Fähigkeiten

• Erfahrung mit hydraulischen Maschinen.
• Erfahrung mit überwachten Lernverfahren oder Imitationslernen.
• Forschungserfahrung im Bereich Reinforcement Learning.
• Erfahrung im Einsatz robotischer Systeme in großem Maßstab (z.B. Hunderte von Einheiten).
• Vertrautheit mit ROS oder ähnlichen Robotik-Frameworks.
• Erfahrung mit Feature-Flagged Deployments, gestaffelten Rollouts oder langlebigen Plattformen.
• Erfahrung mit Datenkuration für ML-Anwendungen.
• Erfahrung in der Anleitung, Mentoring oder Leitung von Junior-Kollegen, Studenten oder Projektteams.
• Vertrautheit mit oder Interesse an der Nutzung von KI-Codierungstools.

Diese Rolle passt gut, wenn

• Sie leidenschaftlich daran interessiert sind, Systeme zu entwickeln, die zuverlässig in der realen Welt funktionieren.
• Sie helfen möchten, ein langlebiges Planungs- und Kontrollsystem für Ausgrabungen aufzubauen, das skalierbar ist und die gesamte Bauindustrie positiv beeinflusst.
• Sie sich wohlfühlen, mit den Realitäten unvollkommener Daten und rauschenden Messungen zu arbeiten.
• Sie ein großes Interesse daran haben, die sim2real-Lücke zu überbrücken und die Unterschiede zwischen Simulation und physischen Umgebungen zu verstehen.
• Sie begeistert sind, technische Richtungen in einem wachsenden Team zu gestalten, das vom Prototyping in die Produktphase übergeht.
• Sie eine kollaborative Teamkultur schätzen, die auf durchdachtem Design, kreativem Denken, gegenseitigem Respekt und Pragmatismus basiert.

Gravis Robotics bietet ein faires Markengehalt und einen Arbeitsort in der lebhaften Stadt Zürich. Als zukunftsorientiertes Startup verstehen wir, dass Work-Life-Balance und Flexibilität wichtige Überlegungen für viele Fachleute sind.

Gravis ist ein Arbeitgeber, der Chancengleichheit bietet.

Wir setzen uns dafür ein, ein inklusives und diverses Team aufzubauen und diskriminieren nicht aufgrund von Rasse, Hautfarbe, Abstammung, nationaler Herkunft, Religion, Geschlecht, sexueller Orientierung, Alter, Geschlechtsidentität, Geschlechtsausdruck, Behinderung, Veteranenstatus oder anderen gesetzlich geschützten Merkmalen. Wir sind ein internationales Team, das daran arbeitet, Probleme mit globaler Wirkung zu lösen: Um eine effiziente Kommunikation und Zusammenarbeit zu ermöglichen, ist Englischkenntnis für alle Rollen erforderlich.