Senior AI-Ingenieur Selbstüberwachtes Lernen

Amazon RIVR ist ein Roboterunternehmen, das Physical AI durch Lieferung an die Haustür in der realen Welt vorantreibt. Gegründet im Jahr 2024 als ETH-Zürich-Ausgründung, entwickelte RIVR wheeled-legte Roboter, die in komplexen, unstrukturierten Umgebungen wie Treppen, Toren, Türen und unebenem städtischem Gelände operieren sollen. Wir glauben, dass die Erreichung allgemeiner physikalischer Intelligenz die Lösung realer Kundenprobleme in der realen Welt erfordert, in der Roboter von reichen operativen Daten im großen Maßstab lernen können. Nach unserer Übernahme durch Amazon im März 2026 setzen wir diese Mission mit größerer Reichweite und Geschwindigkeit fort. Durch die Kombination von benutzerdefiniertem Roboter-Hardware, Bordautonomie und cloudbasierter Koordination baut Amazon RIVR die nächste Generation sicherer, zuverlässiger autonomer Roboter für die Letztmeilenlieferung. Stellenbeschreibung   Unser globaler Fuhrpark autonomer Roboter operiert in der realen Welt und generiert enorme Mengen an multimodalem Sensordaten. Während unser VLA-Team sich auf den Bau großer Modelle konzentriert, um diese Daten zu verarbeiten, bleiben viele davon unbeschriftet und unstrukturiert. Wir suchen einen Experte für selbstüberwachtes und Repräsentationslernen, um das volle Potenzial dieses riesigen Datenpools zu erschließen.   In dieser Rolle werden Sie für die Konzeption und den Bau des Kern-Datenmotors verantwortlich sein, der rohe, realweltliche Sensordaten in hochsignale, strukturierte Datensätze umwandelt, die für die Ausbildung neuronaler Netze geeignet sind. Sie werden Methoden entwickeln, um diese Daten automatisch zu kuratieren, zu filtern und pseudo-zu-beschriften, um powerful Repräsentationen zu erstellen, die als Grundlage für alle nachgelagerten Aufgaben, einschließlich Navigation, Imitationslernen und Entscheidungsfindung, dienen.   Sie werden direkt mit den VLA- und Reinforcement-Learning-Teams zusammenarbeiten, um Datenstrategien und Schnittstellen zu definieren und sicherzustellen, dass die von Ihnen produzierten Daten die Modellentwicklung direkt beschleunigen. Wenn Sie leidenschaftlich gern das "Daten-Flaschenhals-Problem" in der Robotik lösen und die Systeme aufbauen möchten, die sinnvolle Muster aus der physischen Welt lernen, laden wir Sie ein, sich uns anzuschließen.