Research Engineer - Training Large Behavior Models with Reinforcement Learning (f/m/div.)

Willkommen bei unserem Kunden! Möchten Sie mit Ihren Ideen vorteilhafte Technologien gestalten? Egal, ob im Bereich Mobilitätslösungen, Konsumgüter, industrielle Technologien oder Energie- und Gebäudetechnik - bei uns haben Sie die Chance, die Lebensqualität weltweit zu verbessern. Als Research Engineer in der Gruppe für semantisches Verständnis und Argumentation werden Sie Methoden zur Schulung großer Verhaltensmodelle für intelligente cyber-physische Systeme entwickeln. Ihr Fokus liegt darauf, wie groß angelegte KI-Modelle robuste, generalisierbare und zielgerichtete Verhaltensweisen durch Verstärkendes Lernen, multimodale Erfahrungen und Interaktionen mit gelernten oder simulierten Umgebungen erwerben können. Ein zentraler Bestandteil Ihrer Rolle ist die Verwendung von Weltmodellen als Grundlage für das Training und die Validierung dieser Systeme. In diesem Zusammenhang werden Sie untersuchen, wie prädiktive Modelle der Umgebungsdynamik, latente Zustände und die Interaktion zwischen Agent und Umgebung das Lernen von Richtlinien, Planung, Verhaltenssynthese und Evaluierung unterstützen können. Ihre Arbeit wird die Grundlagenforschung mit praktischer Umsetzung verbinden und zur Gestaltung von Architekturen beitragen, die Repräsentationslernen, latentes Dynamikmodellieren, Verstärkendes Lernen und groß angelegte Verhaltensmodellierung miteinander verknüpfen. Der Aufbau der benötigten Infrastruktur für Vortraining, simulationsbasiertes Lernen, Feinabstimmung und Benchmarking in relevanten Umgebungen ist ebenfalls Teil dieser Rolle. Der Anwendungsbereich umfasst ein breites Spektrum an Domänen, darunter Robotik, industrielle Automatisierung, automatisiertes Fahren und intelligente Gebäude- oder Energiesysteme. Sie werden eng mit KI-Forschern, Robotikexperten, Regelungstechnikern und Fachexperten zusammenarbeiten, um sicherzustellen, dass die entwickelten Methoden wissenschaftlich fundiert und strategisch relevant für reale Systeme sind. Ihre Beiträge werden dazu beitragen, zentrale Fähigkeiten im Bereich des skalierbaren Verhaltenslernens, des modellbasierten Verstärkenden Lernens und physikalisch verankerter KI-Systeme zu etablieren, die effizient über Anwendungen hinweg trainiert, validiert und angepasst werden können.

Der ideale Kandidat verfügt über einen hervorragenden Masterabschluss in Informatik, Maschinenlernen, Robotik, Regelungstechnik oder verwandten technischen Bereichen. Ein Doktortitel in Maschinenlernen, Verstärkendem Lernen, Robotik oder verwandten Bereichen wird bevorzugt. Eine starke Publikationsbilanz in führenden AI-, Maschinenlern- und Robotik-Konferenzen ist erforderlich. Sie sollten Expertise im Bereich Verstärkendes Lernen und Verhaltenslernen mitbringen, insbesondere in der Anwendung auf komplexe Umgebungen. Erfahrung mit modellbasiertem, offline, hierarchischem, Imitations- oder eingeschränktem Verstärkendem Lernen ist von Vorteil. Kenntnisse im Bereich der Weltmodelle, latente Dynamiken und sequenzielle oder generative Modelle sind wichtig. Sie sollten auch Erfahrung mit großen, multimodalen Modellen und tiefem Lernen haben sowie Kenntnisse in der Softwareentwicklung und der KI-Infrastruktur, einschließlich starker Python-Kenntnisse und Erfahrung mit Frameworks wie PyTorch, TensorFlow oder JAX. Ein kooperativer Arbeitsstil und die Fähigkeit, wissenschaftliche Erkenntnisse in praktische Innovationen zu übersetzen, sind ebenfalls erforderlich. Fließende Englischkenntnisse in Wort und Schrift sind notwendig, Deutschkenntnisse sind von Vorteil.