Research Scientist, Robotics – World Models

Vaga não está no LinkedIn

🕒 Setembro 24

🇺🇸 Estados Unidos – Remoto (EUA)

💵 $160.000 - $185.000 / ano

⏰ Tempo Integral

🟡 Pleno

🟠 Sênior

🧬 Cientista Pesquisador(a)

👻 Score fantasma 20%

O que significa: quão provável esta vaga está aberta sem contratação ativa.Como ler: 60% ou mais significa que achamos que é uma vaga fantasma. Pontuações mais baixas preocupam menos.Como pontuamos: tempo em aberto, republicações, vagas abertas vs tamanho do time, rapidez para fechar vagas, e se o salário está divulgado.Observação: é uma estimativa de dados públicos, não um julgamento da empresa. Vagas reais podem ter pontuação alta, então use como uma dica, não como um fato.

Candidatar-se

Encontrar Vagas Remotas Similares

Configurar Alerta de Email para Novas Vagas

📊 Verifique sua pontuação de currículo para esta vaga

Melhore suas chances de conseguir uma entrevista verificando sua pontuação de currículo antes de se candidatar.

Enviar Currículo

InnoData

SiteLinkedInTodas as Vagas

2 - 10 funcionários

Fundada em 2019

🤝 B2B

💼 Consultoria

🌍 Impacto Social

B2B • Consulting • Social Impact

InnoData é uma cooperativa social italiana denominada INNOvation DATA SCS, com sede em Foggia, que se identifica como fornecedora de soluções tecnológicas. O site da empresa (atualmente em manutenção) destaca "Soluzioni tecnologiche" (soluções tecnológicas) e enfatiza o impacto social ("Impatto sociale"). Os dados de contato listados incluem Via Francesco Crispi 65, 71121 Foggia, Itália. Com base nas informações disponíveis, a InnoData parece operar na interseção entre tecnologia e impacto social, provavelmente oferecendo serviços focados em tecnologia para outras organizações.

Descrição

• Define how Innodata designs, structures, and evaluates data for robot foundation models • Translate robotics foundation-model requirements into data specifications, including modalities, action representations, sampling, annotation schemas, and evaluation criteria • Decide what to capture in the real world versus generate in simulation • Curate and weight training mixes across heterogeneous robot datasets, embodiments, action spaces, and sensor setups • Guide data collection across motion-capture, egocentric, exocentric, teleoperation, multi-sensor, and synthetic-data pipelines • Build evaluation and benchmarking methods that predict real-world transfer, including world-model evaluation and sim-to-real methodology • Fine-tune and evaluate foundation models on Innodata data through data-quality ablations and scaling studies • Design adversarial and long-horizon evaluations and convert failure modes into improved data • Publish benchmarks, methodologies, and papers • Collaborate with capture, annotation, and synthetic-data teams to operationalize collection and labeling plans

🎯 Requisitos

• Roughly 4+ years of hands-on industry experience in robot learning or robotics ML • Bachelor's degree in computer science, electrical engineering, robotics, or a related technical field is required • Trained and evaluated robot policies using imitation learning or reinforcement learning • Strong PyTorch fundamentals • Experience curating, filtering, and weighting robot data across embodiments and sensors • Fluency in the LeRobot dataset format, RLDS, Open X-Embodiment, and common motion and sensor formats • Hands-on experience with NVIDIA Isaac Sim, Isaac Lab, Omniverse, MuJoCo, or comparable simulation engines • Experience with domain randomization, system identification, and sim-to-real transfer • Experience with teleoperation or egocentric data collection • Experience adapting VLM backbones for control and fine-tuning large VLA models using HuggingFace transformers and PEFT • First-author publications or strong open-source contributions at venues such as CoRL, ICRA, IROS, RSS, or NeurIPS • Ability to work with customer and frontier-lab research scientists and explain data and modeling decisions clearly • Rigorous, reproducible approach to experiments and documentation