Ingeniero de Investigación en IA - Robótica

• Salario competitivo y opciones VSOP

• Apoyo a la relocalización: hasta 2.500 € y 4 semanas de alojamiento temporal

• Aprendizaje: asignación anual de 500 €/£450

• Salud y bienestar: membresía de gimnasio y apoyo a la salud mental (Nilo.health)

• Social: eventos regulares de la empresa y asignaciones sociales mensuales

• Permiso parental mejorado: 22 semanas totalmente pagadas para cuidadores principales y 6 semanas para cuidadores secundarios

• Apoyo familiar: 5 días de permiso retribuido por emergencia familiar, opción de trabajo 100% remoto durante el embarazo y reincorporación progresiva al trabajo

Estos son los beneficios principales en todas las ubicaciones; puede haber beneficios adicionales en ciertas ubicaciones.

Helsing es un empleador que ofrece igualdad de oportunidades. Estamos comprometidos con la igualdad de oportunidades de empleo independientemente de la raza, religión, orientación sexual, edad, estado civil, discapacidad o identidad de género. Por favor, no envíes datos personales que revelen origen racial o étnico, opiniones políticas, creencias religiosas o filosóficas, afiliación sindical, datos relativos a la salud o datos relativos a la orientación sexual.

El Régimen de Privacidad y Confidencialidad del Candidato de Helsing se puede encontrar aquí.

• Poseer un Máster o Doctorado en Robótica, Aprendizaje Automático (Machine Learning), Ingeniería de Control o un campo estrechamente relacionado, con un fuerte enfoque en el aprendizaje por refuerzo y el control de robots.

• Tener experiencia práctica entrenando y desplegando controladores basados en RL en hardware robótico real, no solo en simulación: habrás visto tus políticas fallar, iterar y, finalmente, tener éxito en un sistema físico.

• Estar profundamente familiarizado con las técnicas modernas de RL para el control continuo, incluyendo, entre otras: métodos sin modelo (PPO, SAC, TD3), RL basado en modelos, RL jerárquico, estrategias de transferencia sim-to-real, aleatorización de dominios (domain randomisation) y aprendizaje por currículo (curriculum learning).

• Tener una comprensión sólida de la dinámica de los robots, la cinemática y la teoría de control clásica (por ejemplo, PID, control predictivo basado en modelo, optimización de trayectorias), y saber cuándo y cómo combinarlas con enfoques aprendidos.

• Ser competente en la construcción y el trabajo con simuladores basados en física (por ejemplo, MuJoCo, Isaac Gym/Isaac Lab, PyBullet, Gazebo) para el entrenamiento y la validación de políticas de RL.

• Poseer sólidas habilidades de ingeniería de software, escribiendo código limpio y bien estructurado en Python y/o lenguajes como Rust o C++ moderno, y tener experiencia en el despliegue de software de IA en producción, incluyendo pruebas, QA y monitorización.

• Tener excelentes habilidades de comunicación y la capacidad de informar y presentar hallazgos de investigación de manera clara y eficiente, tanto interna como externamente.

• Sentir pasión por mantenerse al día con la investigación actual y disfrutar reimplementando y extendiendo artículos de vanguardia (state-of-the-art).

• Doctorado en Robótica, Aprendizaje por Refuerzo, Ingeniería de Control o campos relacionados, con publicaciones en conferencias de primer nivel (por ejemplo, CoRL, ICRA, NeurIPS, ICLR, IROS, RSS).

• Experiencia desarrollando controladores para sistemas robóticos altamente dinámicos que operan bajo interacciones de contacto complejas y condiciones ambientales exigentes.

• Experiencia con percepción basada en visión para el control robótico, como estimación de profundidad, odometría visual o aprendizaje de políticas visuomotoras.

• Familiaridad con las interfaces de control de motores de bajo nivel y las limitaciones de los sistemas embebidos en tiempo real.

• Experiencia con técnicas de adaptación online y meta-aprendizaje para permitir que los robots se adapten a las condiciones ambientales cambiantes.

• Experiencia con la fusión de sensores (IMU, propiocepción, exterocepción, visión) para informar y mejorar las políticas de control aprendidas.

Únete a Helsing y trabaja con expertos líderes mundiales en sus campos

• El trabajo de Helsing es importante. Contribuirás directamente a la protección de países democráticos mientras equilibras las preocupaciones éticas y geopolíticas.

• El trabajo es único. Operamos en un dominio que tiene requisitos y limitaciones técnicas muy inusuales, y donde la robustez, la seguridad y las consideraciones éticas son vitales. Te enfrentarás a retos únicos de Ingeniería e IA que tendrán un impacto significativo en el mundo.

• Nuestro trabajo nos lleva frecuentemente hasta la vanguardia de la innovación técnica, ya sea en aprendizaje por refuerzo, sistemas distribuidos, IA generativa o infraestructura de despliegue. La industria de la defensa está entrando en la fase más emocionante de la curva de desarrollo tecnológico. Los avances en nuestro campo no son incrementales: Helsing forma parte de, y a menudo lidera, saltos históricos hacia adelante.

• En nuestro dominio, el éxito es una cuestión de mejoras de órdenes de magnitud y capacidades novedosas. Esto significa que asumimos riesgos, apuntamos alto y nos centramos en las grandes oportunidades. A pesar de ser una empresa relativamente joven, Helsing ya ha sido seleccionada para múltiples contratos gubernamentales significativos.

• Fomentamos activamente un debate sano, proactivo y diverso internamente sobre lo que hacemos y cómo elegimos hacerlo. Se confía en los equipos y en los ingenieros individuales (y se les anima) a practicar la autonomía responsable y el pensamiento crítico, y a centrarse en los resultados, no en la conformidad. En Helsing, tendrás voz en cómo trabajamos (¡y cómo trabajas tú!), la oportunidad de opinar sobre lo que funciona y lo que no, y de asumir la responsabilidad de aspectos de nuestra cultura que te importen profundamente.

En Helsing ofrecemos capacidades basadas en IA y la base habilitadora que permite a las máquinas percibir y asistir en la toma de decisiones humana. Tendrás la oportunidad única de dar forma a las capacidades de la IA en uno de los sectores más desafiantes, donde las altas capacidades de generalización deben combinarse con las limitaciones del hardware y la robustez en el mundo real.

Formarás parte de un equipo que está ampliando los límites de la robótica autónoma a través del aprendizaje por refuerzo (reinforcement learning). Tu trabajo se centrará en diseñar, entrenar y desplegar controladores basados en RL para robots que operan en entornos del mundo real complejos, no estructurados y dinámicos, donde los enfoques de control clásicos se quedan cortos. Esto incluye permitir que los robots perciban y comprendan su entorno mediante la fusión de ricas entradas sensoriales, incluida la visión, para informar un control robusto y adaptativo. Te encargarás de todo el proceso, desde la simulación hasta el despliegue, asegurando que las políticas aprendidas sean robustas, eficientes y estén listas para la operación en el mundo real bajo estrictas limitaciones de hardware.