Thermo Fisher Scientific udvikler og leverer videnskabelige instrumenter, reagenser, forbrugsvarer og softwaretjenester til organisationer inden for biovidenskab, sundhedspleje og analytisk kemi. Virksomhedens portefølje understøtter laboratorieforskning og produktion med anvendelser inden for blandt andet diagnostik, automatisering af laboratoriearbejdsgange og lægemiddeludvikling. Virksomhedens produkter og tjenester hjælper forsknings- og sundhedsteams med at håndtere komplekse laboratorieprocesser og fremme den videnskabelige udvikling.
Forskningspraktikant inden for fysisk AI (fjernarbejde, USA)
Forskn og udvikl systemer inden for fysisk AI på tværs af computersyn, synsprogmodeller, 3D-perception og robotteknologi. Omdan eksperimentelt arbejde til reproducerbar kode, tjenester, der kan implementeres, evalueringsrapporter og demonstrationer.
Beskrivelse
- Udvikl og finjuster modeller til detektion, sporing, segmentering, pose- og aktivitetsgenkendelse samt sceneforståelse
- Træn og evaluer synsprogmodeller til grounding, tæt billedtekstgenerering, temporær spørgsmålsbesvarelse og brug af værktøjer
- Skab retrieval-udvidede og agentbaserede arbejdsgange til perception og handling
- Udarbejd prototyper af perceptionsdrevne kontrolpolitikker med simulerede data og data fra den virkelige verden
- Forbind perceptionssystemer med planlæggere og opgavegrafer til manipulation, navigation og sikkerhedsanvendelser
- Forbered datasæt, fastlæg evalueringsmetoder og KPI'er, og gennemfør ablationsstudier
- Implementer forskningssystemer som pålidelige tjenester med Kubernetes, Docker, Ray og FastAPI
- Implementer profilering, telemetri og kontinuerlig integration for at understøtte reproducerbar forskning
- Koordiner multiagent-pipelines på tværs af perception, ræsonnering, simulering og kodegenerering
- Undersøg videoforståelse, 3D-scenegrounding, edge-inferens, multimodal evaluering og politikkers ydeevne fra simulering til virkelighed
- Udarbejd publicerbar eller open source-forskning, produktionsklare komponenter, reproducerbare implementeringer, evalueringsrapporter og demonstrationer
Krav
- Er i gang med en kandidat- eller ph.d.-uddannelse i datalogi, elektroteknik, robotteknologi eller et beslægtet område og har aktive publikationer inden for computersyn, maskinlæring eller robotteknologi
- Avancerede færdigheder i Python og PyTorch eller JAX, herunder kendskab til CUDA-profilering og træning med blandet præcision
- Forskningserfaring inden for computersyn samt mindst ét område som synsprogmodeller, embodied eller fysisk AI eller 3D-perception
- Evne til at gå fra publiceret forskning til implementering, ablationsstudier og grundigt dokumenterede resultater
- Erfaring med videomodeller, diffusion, 3D Gaussian Splatting eller NeRF, SLAM eller scenerekonstruktion
- Tidligere arbejde med multimodal grounding eller temporær ræsonnering
- Kendskab til ROS2, DeepStream eller TAO eller optimering af edge-inferens med TensorRT eller ONNX
- Erfaring med skalerbar træning ved hjælp af Ray, distribuerede dataloadere eller shardede checkpoints
- Stærke software engineering-praksisser, herunder testning, linting, profilering, containerisering og reproducerbarhed
- Offentligt teknisk arbejde såsom GitHub-projekter, førsteforfatterpublikationer eller væsentlige bidrag til open source