Physical AI Researcher

Montréal, QC, Canada

Postuler maintenant !

À propos de l’entreprise

Haply Robotics conçoit les dispositifs haptiques les plus précis au monde. Nos produits (Inverse3, VerseGrip, MinVerse, Haply Hub et HARP) sont déployés dans des laboratoires de recherche, des projets d’intégration industrielle et des environnements de production où la différence entre « bon » et « juste » se mesure en millisecondes et en millinewtons. À mesure que les robots et les systèmes autonomes deviennent plus performants, les humains ont toujours besoin de moyens intuitifs pour enseigner, guider et superviser des tâches physiques. Haply développe la plateforme qui permet aux utilisateurs de programmer et d’entraîner des machines par le toucher et le mouvement.

Thèmes de recherche actuels

physical robotic systems. Notre équipe d’IA physique se concentre sur le développement de la couche d’interface pour l’IA physique, reliant les humains, les modèles de fondation, la simulation et les systèmes robotiques physiques.
IA physique avec intervention humaine
Modèles de fondation et apprentissage robotique
Simulation et Sim2Real
Haptique et téléopération

Nos systèmes de téléopération permettent aux humains d’interagir naturellement avec des robots simulés et physiques, tout en générant simultanément de riches jeux de données multimodales comprenant le mouvement, l’état du robot, les entrées humaines, les informations visuelles ainsi que les signaux de force et haptiques.

Responsabilités

En tant que membre de l’équipe d’IA physique de Haply, vous travaillerez directement avec des chercheurs et des ingénieurs sur des problématiques émergentes à l’intersection de la robotique, de l’apprentissage automatique, de la simulation et de l’haptique.
Selon votre parcours et la problématique de recherche, votre travail pourra notamment inclure :
réation et configuration d’environnements robotiques simulés pour l’entraînement, la génération de données et l’évaluation.
Développement de pipelines de bout en bout pour l’apprentissage robotique et l’IA physique.
Utilisation et ajustement fin de modèles de fondation pour des applications robotiques.
Mise en œuvre et évaluation de méthodes issues des plus récents travaux de recherche en apprentissage robotique et en IA physique.
Développement et entraînement de politiques robotiques basées sur l’apprentissage par imitation, l’apprentissage par renforcement, les modèles de diffusion et d’autres approches d’apprentissage.
Développement de cadres d’apprentissage avec intervention humaine permettant aux opérateurs de faire des démonstrations, de guider, d’intervenir ou de corriger les politiques robotiques pendant l’entraînement et le déploiement.
Collecte de démonstrations et de données d’interaction par téléopération haptique.
Développement de pipelines pour la collecte, la synchronisation, le traitement et l’entraînement à partir de jeux de données robotiques multimodales, comprenant la vision, l’état du robot, les actions, les forces/couples, les signaux haptiques et les entrées humaines.
Étude de la manière dont les informations de force et les données haptiques peuvent être intégrées aux modèles de fondation multimodaux et aux politiques robotiques apprises.
Déploiement et évaluation de politiques apprises sur des systèmes robotiques physiques.
Conception d’expériences visant à comprendre et à réduire l’écart entre la simulation et le monde réel (Sim2Real).
Évaluation et mise en œuvre de nouvelles méthodes issues de l’écosystème de recherche en pleine évolution de l’IA physique et de l’IA incarnée.
Le poste est intrinsèquement axé sur la pratique. Vous devez être à l’aise pour passer des modèles d’apprentissage automatique au code Python et C++, aux pipelines d’entraînement sur GPU, aux environnements de simulation, aux jeux de données expérimentales et aux systèmes robotiques physiques.

Exigences essentielles

Connaissance des processus de travail en IA physique et en IA incarnée, notamment le développement, l’entraînement et l’évaluation de systèmes robotiques dans des environnements simulés et réels.
Expérience avec l’écosystème NVIDIA dédié à la robotique et à la simulation, notamment dans la création et la configuration de scènes simulées et d’environnements robotiques.
Connaissance des modèles de fondation pour la robotique, notamment l’utilisation de modèles préentraînés, leur ajustement fin pour des tâches en aval et leur intégration dans des processus d’apprentissage robotique.
Expérience pratique avec les frameworks modernes d’apprentissage profond, en particulier PyTorch, notamment pour l’entraînement, l’évaluation et l’inférence de modèles.
Expérience dans l’utilisation de jeux de données en robotique et en apprentissage automatique, notamment la collecte et le prétraitement des données, la gestion des jeux de données et les pipelines d’entraînement.
Expérience avec les processus modernes d’expérimentation en apprentissage automatique, notamment avec des outils tels que Weights & Biases (W&B) ou MLflow pour le suivi des expériences, la visualisation, l’évaluation des modèles et la gestion des sessions d’entraînement.
Maîtrise de Python et connaissance pratique du C++, en particulier pour des applications en robotique, en simulation ou en apprentissage automatique.
Expérience du développement dans un environnement Linux et connaissance des pratiques modernes de développement logiciel collaboratif, notamment Git, le débogage, les tests et le contrôle de version.
Connaissances intermédiaires en robotique, notamment une compréhension des concepts fondamentaux tels que la cinématique, la dynamique, les repères de coordonnées, la commande robotique et la planification de mouvements.
Expérience pratique avec du matériel robotique, notamment l’installation et la configuration de systèmes robotiques, l’utilisation sécuritaire des robots, l’interfaçage avec des capteurs et des actionneurs, ainsi que le dépannage de l’intégration matériel-logiciel.
Expérience de l’ensemble du processus allant de la simulation au matériel, notamment le déploiement et l’évaluation de comportements robotiques ou de politiques apprises sur des systèmes physiques.
Capacité à lire, à comprendre et à mettre en œuvre des méthodes issues de la recherche contemporaine en robotique et en apprentissage automatique, ainsi qu’à évaluer et à intégrer rapidement de nouvelles approches à mesure que l’écosystème de l’IA physique évolue.
Un baccalauréat, une maîtrise ou un doctorat en robotique, en informatique, en génie électrique ou informatique, en génie mécanique, en apprentissage automatique ou dans un domaine connexe — ou une expérience pratique équivalente — est préférable.

Atouts

Expérience avec des données robotiques multimodales et temporelles, notamment la collecte, la synchronisation, le traitement et la représentation de signaux tels que les données visuelles, l’état du robot, les actions, les forces/couples et les informations haptiques.
xpérience en étalonnage de robots et de capteurs, en transformations de coordonnées, en étalonnage de caméras, en mesure de force/couple, avec des encodeurs ou d’autres systèmes de détection robotique.
Expérience avec les systèmes robotiques en temps réel, notamment en ce qui concerne la fréquence des boucles de contrôle, la latence des communications, la synchronisation ainsi que les logiciels déterministes ou à faible latence.
Expérience avec AWS ou d’autres plateformes d’informatique infonuagique, notamment pour l’entraînement de modèles d’apprentissage automatique, le stockage de données, la gestion des expériences ou les charges de calcul distribuées.
Expérience dans le déploiement ou l’entraînement de modèles d’apprentissage automatique de grande taille à l’aide d’une infrastructure de calcul basée sur des GPU.
Experience with ROS/ROS 2 or similar robotic middleware. Expérience avec ROS/ROS 2 ou des intergiciels robotiques similaires.
Expérience avec des manipulateurs robotiques, des systèmes de téléopération ou des tâches de manipulation impliquant des contacts complexes.
Expérience dans la collecte et la gestion de jeux de données de démonstrations robotiques, en particulier ceux générés à partir de démonstrations humaines ou par téléopération.
Expérience avec les techniques Sim2Real, telles que la randomisation de domaine, l’identification de systèmes, la randomisation de la dynamique ou les méthodes d’adaptation.
Expérience dans le développement ou l’utilisation d’interfaces haptiques, de systèmes à retour de force ou de systèmes de téléopération bilatérale.

L’opportunité

L’IA physique transforme rapidement la façon dont les systèmes intelligents interagissent avec le monde physique. Chez Haply, nous croyons que le toucher et l’interaction physique sont des composantes fondamentales de cet avenir.

Ce poste offre l’occasion de travailler sur l’ensemble de la chaîne technologique de l’IA physique — de la simulation et des modèles de fondation aux démonstrations humaines, aux jeux de données multimodales, à la commande robotique et au déploiement sur du matériel physique.

Notre objectif est de développer des technologies permettant aux humains, aux modèles intelligents et aux robots physiques d’interagir de manière plus naturelle, tout en explorant comment des informations tactiles et de force de haute fidélité peuvent devenir des composantes fondamentales de l’écosystème émergent de l’IA physique.

Ce que nous offrons

Chaque employé a la possibilité de constater l’impact de son travail. Vous pouvez contribuer concrètement au succès de l’entreprise.
Plusieurs activités sont organisées tout au long de l’année, notamment des séances de sport hebdomadaires, des activités de consolidation d’équipe, des rencontres mensuelles autour d’un verre, et bien plus encore.

Perks

A full-time position
Attractive salary package.

Trainings

12 days / year, including
6 of your choice.

Sport Activity

Play any sport with colleagues,
the bill is covered.

Eat & Drink

Fruit, coffee and
snacks provided.