Viajar jobs in San SebastiánCreate job alerts

En TECNALIA, estamos construyendo un grupo de investigación aplicada dedicado a resolver los grandes desafíos de la Inteligencia Artificial Corpórea (Embodied AI). Nuestra misión es crear la próxima generación de robots inteligentes capaces de comprender, razonar y actuar en entornos complejos, dinámicos y no estructurados. Buscamos un/a Investigador/a Senior para liderar nuestros esfuerzos en la vanguardia de la robótica, con un enfoque en el desarrollo de modelos fundacionales que aprendan habilidades de manipulación y navegación a partir de la interacción con el mundo físico. Si eres una persona proactiva, autónoma, responsable y resolutiva con capacidad de adaptación a nuevos proyectos y te gusta el trabajo en equipo. Si sientes interés por la investigación aplicada y por transferir la tecnología desarrollada a las empresas, ¡sigue leyendo! Te unirás a un equipo multidisciplinar de excelencia y colaborarás con los principales centros de investigación académicos e industriales de Europa. Tu trabajo no solo impulsará la frontera del conocimiento científico, sino que también tendrá un impacto directo en la transferencia de tecnologías disruptivas a sectores estratégicos. Este rol sitúa la visión 3D para la interacción física como pilar fundamental, junto a áreas de investigación clave como los modelos de acción de visión-lenguaje (VLA) y el aprendizaje por refuerzo e imitación a gran escala. • Liderarás líneas de investigación originales en Embodied AI, desde la concepción de la idea y la formulación de hipótesis hasta la publicación de los resultados en las principales conferencias científicas del sector (e.g., CoRL, RSS, ICRA, NeurIPS)., • Diseñarás, entrenarás y validarás modelos fundacionales para la robótica (Vision‑Language‑Action models) que traduzcan la percepción multimodal (visión, tacto) y las instrucciones en lenguaje natural en acciones de manipulación y navegación robustas y generalizables., • Desarrollarás y perfeccionarás el ciclo completo de sim‑to‑real, utilizando simuladores de alta fidelidad como NVIDIA Isaac Sim para generar datos sintéticos a gran escala y entrenar políticas que se transfieran eficazmente a nuestra flota de robots físicos., • Experimentarás con nuevas arquitecturas de aprendizaje y paradigmas de entrenamiento (aprendizaje por refuerzo, por imitación, auto‑supervisado) para dotar a los robots de habilidades complejas, como la manipulación diestra de objetos deformables o el ensamblaje en entornos desestructurados., • Colaborarás estrechamente con un equipo multidisciplinar de ingeniero/as de hardware, software y expertos/as en dominios de aplicación para integrar nuevas capacidades sensoriales y de actuación en nuestros sistemas de aprendizaje., • La oportunidad de liderar una investigación de vanguardia con un alto grado de autonomía intelectual y de definir la dirección estratégica de nuestra investigación en Embodied IA., • Acceso a recursos computacionales y hardware robótico de última generación para llevar a cabo una investigación ambiciosa., • Un entorno que fomenta y apoya la publicación en conferencias y revistas científicas de primer nivel., • Colaboración con una red de excelencia que incluye a las mejores universidades y centros de investigación de Europa, participando en proyectos emblemáticos como los del programa Horizonte Europa., • Una carrera profesional sólida con oportunidades de desarrollo y crecimiento en un centro tecnológico de referencia europeo., • Medidas de conciliación de tu vida personal y profesional., • Titulación: Se valorará muy positivamente el Doctorado (PhD) en Ciencias de la Computación, Robótica, Inteligencia Artificial o un campo técnico relacionado., • Idiomas: inglés fluido (lengua de trabajo científico) y castellano., • Conocimientos Fundamentales (Essential Knowledge): Experiencia en visión artificial 3D para robótica, incluyendo reconstrucción de escenas, campos de radiancia neural (NeRFs), 3D Gaussian Splatting y razonamiento espacial., • Profundo conocimiento teórico y práctico en aprendizaje por refuerzo (RL) y aprendizaje por imitación (IL), incluyendo clonación de comportamiento (Behavior Cloning) y políticas de difusión (Diffusion Policies)., • Experiencia práctica en el desarrollo y entrenamiento de modelos a gran escala basados en la arquitectura Transformer, especialmente Vision‑Language Models (VLMs) y Vision‑Language‑Action (VLA) models., • Habilidades Técnicas (Technical Skills): Excelente dominio de Python y frameworks de deep learning como PyTorch (preferido) o TensorFlow., • Experiencia demostrable con simuladores robóticos de alta fidelidad, especialmente NVIDIA Isaac Sim y la plataforma Omniverse., • Se valorará muy positivamente la experiencia en la transferencia de políticas sim‑to‑real y en el trabajo con hardware robótico real (e.g., brazos Franka Emika)., • Habilidades Interpersonales: Excelentes dotes de comunicación (oral y escrita), capacidad para mentorizar a investigadores junior y trabajar de forma colaborativa en un entorno internacional., • Disponibilidad para viajar., • Publicaciones: Investigación de impacto, evidenciado por publicaciones como primer autor en conferencias de primer nivel en robótica y aprendizaje automático (e.g., CoRL, RSS, ICRA, NeurIPS, ICML, CVPR)., • Experiencia en el entrenamiento distribuido de modelos de IA a gran escala en clústeres de GPUs., • Contribuciones a proyectos de código abierto relevantes en robótica o inteligencia artificial., • Experiencia con la gestión y curación de grandes conjuntos de datos robóticos (e.g., en formato HDF5, datasets como Open X-Embodiment)., • Conocimiento de arquitecturas de modelos emergentes más allá de Transformers (e.g., State Space Models, Mamba)., • Experiencia en la preparación de propuestas para proyectos de investigación europeos (e.g., Horizonte Europa). Valoramos positivamente las solicitudes de personas con certificado de discapacidad igual o mayor al 33%, en cumplimiento de la legislación vigente, Ley General de Derechos de las Personas con Discapacidad y de su inclusión social (LGD). #J-18808-Ljbffr