Locomotion & Whole-Body Control Engineer (Mensch)

Deine Mission \& Herausforderungen
--------------------------------------

Wir bauen unsere Legged‑Robotics‑Kompetenz auf NEURAs Humanoid‑Plattform (4NE‑1\) und den Quadrupeden weiter aus. Diese Rolle deckt beide Kernschichten des Legged‑Control‑Stacks ab: Trajektorienoptimierung und MPC für kino‑dynamische Bewegungsgenerierung sowie QP‑basierte Instantaneous Whole‑Body Control, um diese Bewegungen mit 1 kHz auf echter Hardware auszuführen.

Der Fokus liegt auf kontaktreicher Dynamik, Echtzeit‑Optimierung und zuverlässiger Ausführung auf physischen Robotern. Du arbeitest eng mit State Estimation, Simulation, Low‑Level‑Control und Hardware‑Teams zusammen – ebenso mit den Applikationsteams, deren Aufgaben am Ende von robuster, vorhersagbarer Lokomotion und stabilem Whole‑Body‑Verhalten abhängen.

• Whole‑Body‑Bewegungsgenerierung und ‑Regelung für Floating‑Base‑Legged‑Plattformen – Lokomotion, Balance, Kontaktübergänge und Loco‑Manipulation (gehen und gleichzeitig manipulieren).


• Trajektorienoptimierung und Model‑Predictive‑Control‑Pipelines über Roboterzustand, Kontaktpläne, Bodenreaktionskräfte, zentroidalen Impuls und Gelenktrajectorien – mit reduzierten Lokomotionsmodellen wie LIPM, SRBD und zentroidaler Dynamik.


• QP‑basierte Task‑Space‑Inverse‑Dynamik, um instantane Whole‑Body‑Control aus MPC‑ und Trajektorien‑Referenzen mit 1 kHz auf dem realen Roboter auszuführen.


• Whole‑Body‑Modellierung der Plattform: Floating‑Base‑Rigid‑Body‑Dynamik aus URDF/MJCF, Gelenkkonfiguration, FK/IK, Jacobianen sowie Massen‑, Coriolis‑ und Gravitationsterme.


• Constraint‑Formulierung über MPC‑ und QP‑Ebene hinweg – Kontakt‑, Reibungs‑, Drehmoment‑, Gelenk‑, kinematische und Stabilitäts‑Constraints – inklusive Task‑Hierarchie‑Design, passend zur Plattform.


• Solver‑Performance‑Arbeit in beiden Ebenen: Warm‑Starting, numerische Konditionierung, Constraint‑Handling und Echtzeit‑Zuverlässigkeit bei 500 Hz bis 1 kHz.


• Deployment, Tuning und Debugging von MPC‑, Trajektorienoptimierungs‑, IK‑ und Invers‑Dynamik‑Pipelines auf physischen Robotern – inklusive plattformspezifischer Kontaktmodell‑Kalibrierung und Validierung mit realen Roboterdaten.


• High‑Performance‑C\+\+ für Echtzeit‑Ausführung sowie Python‑Tooling für Analyse, Prototyping und Debugging.

• MSc oder PhD in Robotik, Regelungstechnik, Maschinenbau, Elektrotechnik, Informatik oder einem verwandten Fach.


• 4\+ Jahre Hands‑on‑Erfahrung in der Entwicklung von Trajektorienoptimierung, MPC für Lokomotion und/oder Whole‑Body‑Control auf physischen Robotern.


• Sehr solide Grundlagen in Floating‑Base‑Rigid‑Body‑Dynamik und Kontaktmodellierung.


• Sehr gute praktische Kenntnisse zu reduzierten Lokomotionsmodellen (LIPM, SRBD, zentroidale Dynamik oder Äquivalente) und deren Einsatz innerhalb von MPC.


• Starker Background in Optimal Control, beschränkter numerischer Optimierung und Model‑Predictive‑Control für Legged Robots.


• Hands‑on‑Erfahrung mit Whole‑Body‑QP‑/TSID‑Frameworks auf echten Roboterdaten – inklusive QP‑/DDP‑Solver‑Interna.


• Erfahrung im Deployment von Echtzeit‑Control‑, MPC‑ und WBC‑Pipelines mit 500 Hz bis 1 kHz auf Hardware.


• Sehr gutes C\+\+ für Echtzeit‑Robotik‑Software; Python für Analyse, Tooling, Prototyping und Debugging.


• Praxisnahes Verständnis, wie sich Kontaktdynamik, Aktuator‑Limits, Latenz, State‑Estimation‑Fehler, Solver‑Failure‑Modes und Modellabweichungen auf realer Hardware verhalten.


• Kollaborativer Arbeitsstil: gemeinsames Design, konstruktive Code‑Reviews, proaktive Kommunikation und zuverlässige Abstimmung über Control‑, Estimation‑, Simulation‑, Low‑Level‑Control‑ und Hardware‑Disziplinen hinweg. Starkes Teamwork ist für diese Rolle essenziell.

• Hands‑on‑Erfahrung mit Humanoiden, Quadrupeden oder anderen hoch‑DOF‑Legged‑Robotern.


• Vertrautheit mit Pinocchio, MuJoCo, Crocoddyl, IPOPT, TSID, OCS2 oder ähnlichen Open‑Source‑Tools.


• Hierarchische QPs, gewichtete QPs, Task‑Priorisierung, Kontaktkraft‑Optimierung oder Operational‑Space‑Control.


• Kontaktplanung, Gait‑Optimierung, Balance‑Recovery; CPG‑basierte oder hybride CPG/MPC‑Controller.


• Multi‑Contact‑WBC: Fußkontakte, bimanuelles Greifen oder Base‑Arm‑Koordination.


• Kontaktkonsistente Dynamik und Impact‑bewusste Übergänge in der Regelung.


• Erfahrung mit drehmomentgeregelten Robotern und hochbandbreitiger elektrischer Aktuatorik.


• Publikationen auf RSS, ICRA, IROS oder CoRL im Bereich Legged Locomotion oder Whole‑Body‑Control.

Diese Anzeige stammt von indeed. Originalanzeige ansehen ↗