Deine Aufgaben Du entwickelst und verbesserst Wahrnehmungsmodelle für autonome mobile Roboter, darunter Objekterkennung, Hindernisklassifizierung und Freiraumerkennung Du treibst datengetriebene Machine-Learning-Lösungen voran, indem Du automatisierte Labeling-Prozesse skalierst, Flottendaten nutzt und die Sim2Real-Lücke durch synthetische Daten und simulationsbasierte Evaluierung schließt Du verantwortest die Modellperformance, definierst aussagekräftige Benchmarks, verfolgst relevante Metriken und erzielst kontinuierliche Verbesserungen im realen Einsatz sowie auf Benchmark-Ebene Du integrierst und validierst Wahrnehmungsmodelle innerhalb unseres ROS-basierten Software-Stacks und stellst eine zuverlässige Performance auf realen Fahrzeugen sicher Du arbeitest eng mit den Teams aus Navigation, Regelung und Flottenmanagement zusammen, um robuste Wahrnehmungslösungen für den autonomen Betrieb zu entwickeln Dein Profil Du verfügst über 2–5 Jahre Berufserfahrung und praktische Erfahrung in den Bereichen Robotik-Perzeption, Computer Vision oder Machine Learning Du verfügst über sehr gute Python-Kenntnisse; Erfahrung mit C++ ist ein Plus Du hast praktische Erfahrung im Training und der Evaluierung von neuronalen Netzen (z.
mit PyTorch) und verfolgst einen datenzentrierten Ansatz zur Verbesserung der Modellleistung Du bringst Erfahrung mit synthetischen Daten, ML-Simulationen, Auto-Labeling, Active Learning oder Domain Adaptation mit Du arbeitest strukturiert und datenbasiert bei der Bewertung von Modellen und verstehst, wie sich reale Performance zuverlässig messen lässt Du bist mit ROS sowie Linux-basierten Entwicklungsumgebungen vertraut Du denkst pragmatisch, setzt um, misst Ergebnisse und verbesserst Lösungen iterativ Was wir bieten Spitzentechnologie: Als Pioniere der Robotik sind wir in der Lage, ohne Schienen und Leitlinien zu navigieren und zu manipulieren, und bieten Lösungen für Prozesse, die noch nie jemand zuvor automatisieren konnte! Team: Wir sind ein.