Dynamics, System Identification & Estimation Engineer - PLA; Mensch

Deine Mission & Challenges

• Dynamic Model Accuracy Ownership:
  Du definierst Metriken für Modellgenauigkeit und verantwortest die Lücke zwischen Simulation und realem Hardware-Verhalten – besonders bei dynamischen Bewegungen und kontaktreichen Interaktionen
• System Identification auf 4NE-1 Hardware:
  Motor-Konstanten, Gelenk-Reibung, Getriebedynamik – Design von Anregungstrajektorien, Regressor-Fitting, Observability-Analysen, iterative Optimierung anhand echter Hardware-Daten
• Simulation Model Authoring & Maintenance:
  Mu Jo Co - und Isaac-Sim-Modelle, die reales Verhalten unter Last und Kontakt abbilden;
  Parametrisierung von Kontaktmodellen, Kalibrierung von Aktuator-Modellen
• Real-Time State Estimation:
  Implementierung und Tuning von EKF/UKF für Pose, Velocity und Kontaktzustände (Floating Base) im Echtzeit-Loop;
  Input für Controller und Loco-/Manipulations-Policies
• Sim-to-Real Pipeline:
  Parameter-Estimation-Loops, datengetriebene Kalibrierung aus Hardware, Validierung via Motion Capture oder externe Referenzen – kontinuierlicher Feedback-Loop zwischen Hardware-Tests und Simulation
• Failure Mode Ownership:
  Debugging von Fehlern aufgrund ungenauer Modelle – z. B. Instabilität durch falsche Dynamik, Drift/Bias in der Estimation oder fehlerhafte Kontakt-/Kraftmodelle
• Cross-Team Interface:
  Bereitstellen von aktualisierten Pinocchio-Modellparametern für WBC- und State-Estimation-Engineers;
  Abstimmung von Trajektorien mit Locomotion- und RL/Control-Teams

• MSc oder PhD in Robotik, Maschinenbau, Elektrotechnik oder ähnlichem – mit starkem Fokus auf Dynamik, Estimation und Regelung
• 4+ Jahre Erfahrung mit State Estimation oder System Identification für Echtzeit-Roboter – auf echter Hardware, nicht nur Simulation
• System Identification auf physischer Robotik-Hardware:
  Trajektorien-Design, Least-Squares oder Maximum-Likelihood Fitting, Identifikation von Aktuatoren und Transmissionen
• State Estimation Implementierung: EKF oder UKF für Floating-Base Pose, Velocity und Kontaktzustände auf legged oder mobilen Plattformen
• Tiefe Kenntnisse in Rigid Body Dynamics:
  Kontaktmodellierung, Aktuatorverhalten und wie Modellfehler zu Instabilitäten führen
• Erfahrung in der Unterstützung von Control-Systemen (MPC, WBC) oder gelernten Policies (RL) auf echter Hardware – Verständnis, wie Modellqualität den Transfer beeinflusst
• C++ für produktive Echtzeit-Systeme;
  Python für Analyse, Tooling und Kalibrierungs-Pipelines

• Hands‑on Erfahrung mit Humanoiden oder legged Robots – 4NE-1 ist ein Full‑Size Humanoid, bipedale Dynamik ist highly relevant
• Differenzierbare Simulatoren für gradientenbasierte System Identification (z. B. Brax, Diff Taichi oder ähnlich)
• Erfahrung mit Sim-to-Real Transfer:
  Domain Randomization, adaptive Kalibrierung, Residual Physics Models
• Pinocchio für Rigid‑Body‑Modelle und Sensitivitätsanalysen
• Mu Jo Co  Model Authoring: MJCF Kontaktparameter, Aktuator‑Modelle, Tendon‑Dynamiken
• Factor‑Graph‑basierte Estimation (GTSAM, iSAM2) für IMU + Kinematics Fusion
• Publikationen oder Open‑Source‑Beiträge in legged Robot Dynamics, System Identification oder Sim-to-Real