Studentische Hilfskraft (m/w/d) - Reinforcement Learning for Dynamic

Advertisement for the field of study such as: computer science, simulation, robotics or comparable.

Robust and repeatable dynamic in-hand manipulation is an essential skill for enabling generalized robotic automation solutions. The focus of this project is to develop a sim-to-real pipeline for training robotic hands for in-hand manipulation of objects. Key parts of this project will include fine-tuning simulation models of robot hands to accurately capture the physics of their real counterparts, using deep reinforcement learning to train policies for in-hand manipulation of various objects in simulation (i.e. Isaac Sim), improving contact and force modeling within the simulation and deploying the learned policies on the real robot.

The place of work would be in Heilbronn.

Was Sie bei uns tun

Literature Review: Survey reinforcement learning, in-hand manipulation, object grasping and multi-modal (vision, proprioception, and tactile) sensor fusion

Framework Development: Cell setup in sim and real: build a digital twin in Isaac Sim/Lab for the robot cell; mirror the real setup with matching kinematics, collision geometries and dynamics

Algorithm Implementation: Develop and deploy reinforcement learning algorithms to train in-hand manipulation policies for a specific robot hand (object reorientation, grasping, etc.). Propose and implement strategy for domain randomization that improves policy transfer to the real robot. Conceptualize and implement solutions for quick deployment of robust policies across a wide range of automation challenges

Simulation and Testing: Use scripted test suites in Isaac Sim with domain randomization (poses, friction, lighting). Log success rate, cycle time, final grasp stability and feasibility. Evaluate performance on varied objects. Identify failure conditions in sim and real and propose strategies to improve performance

Was Sie mitbringen

Enrolled student at a German University/Hochschule

High motivation and initiative

Very good English language skills

Programming skills in Python, C++ and C.

Familiarity with PyTorch

Experience using IsaacLab, Mujoco or similar physics engines

Experience in reinforcement learning is a plus

Independent, responsible and structured working style

Was Sie erwarten können

Pleasant working atmosphere

Interesting and industry-relevant tasks

A dynamic, interdisciplinary team

Insights into the future topic of automation

Good technical equipment

Wir wertschätzen und fördern die Vielfalt der Kompetenzen unserer Mitarbeitenden und begrüßen daher alle Bewerbungen – unabhängig von Alter, Geschlecht, Nationalität, ethnischer und sozialer Herkunft, Religion, Weltanschauung, Behinderung sowie sexueller Orientierung und Identität. Schwerbehinderte Menschen werden bei gleicher Eignung bevorzugt eingestellt.

Mit ihrer Fokussierung auf zukunftsrelevante Schlüsseltechnologien sowie auf die Verwertung der Ergebnisse in Wirtschaft und Industrie spielt die Fraunhofer-Gesellschaft eine zentrale Rolle im Innovationsprozess. Als Wegweiser und Impulsgeber für innovative Entwicklungen und wissenschaftliche Exzellenz wirkt sie mit an der Gestaltung unserer Gesellschaft und unserer Zukunft.

Haben wir Ihr Interesse geweckt? Dann bewerben Sie sich jetzt online mit Ihren aussagekräftigen Bewerbungsunterlagen. Wir freuen uns darauf, Sie kennenzulernen!

Frau Jennifer Leppich

Recruiting

Fraunhofer-Institut für Produktionstechnik und Automatisierung IPA

Kennziffer: 81788 Bewerbungsfrist: