Thermo Fisher Scientific utvecklar och levererar vetenskapliga instrument, reagenser, förbrukningsmaterial och programvarutjänster för organisationer inom biovetenskap, hälso- och sjukvård samt analytisk kemi. Företagets produktutbud stödjer laboratorieforskning och produktion, med tillämpningar inom bland annat diagnostik, automatisering av laboratorieflöden och läkemedelsutveckling. Företagets produkter och tjänster hjälper forsknings- och vårdteam att hantera komplexa laboratorieprocesser och driva den vetenskapliga utvecklingen framåt.
Forskningspraktikant inom fysisk AI (distans, USA)
Forska om och utveckla system för fysisk AI inom datorseende, synspråksmodeller, 3D-perception och robotik. Omvandla experimentellt arbete till reproducerbar kod, driftsättningsbara tjänster, utvärderingsrapporter och demonstrationer.
Beskrivning
- Utveckla och finjustera modeller för detektion, spårning, segmentering, pose- och aktivitetsigenkänning samt scenförståelse
- Träna och utvärdera synspråksmodeller för förankring, detaljerad bildtextgenerering, temporär frågebesvarande och verktygsanvändning
- Skapa hämtningsförstärkta och agentbaserade arbetsflöden för perception och handling
- Ta fram prototyper för perceptionsdrivna styrpolicyer med simulerade data och data från verkligheten
- Koppla perceptionssystem till planerare och uppgiftsgrafer för manipulation, navigering och säkerhetstillämpningar
- Förbered datamängder, definiera utvärderingsmetoder och KPI:er samt genomför ablationsstudier
- Driftsätt forskningssystem som tillförlitliga tjänster med Kubernetes, Docker, Ray och FastAPI
- Implementera profilering, telemetri och kontinuerlig integration för att stödja reproducerbar forskning
- Samordna multiagentbaserade pipelines för perception, slutledning, simulering och kodgenerering
- Undersök videoförståelse, 3D-scenförankring, edge-inferens, multimodal utvärdering och policyers prestanda från simulering till verklighet
- Ta fram publicerbar eller öppen forskning, produktionsklara komponenter, reproducerbara implementationer, utvärderingsrapporter och demonstrationer
Krav
- Bedriver master- eller doktorandstudier i datavetenskap, elektroteknik, robotik eller ett närliggande område, med aktiva publikationer inom datorseende, maskininlärning eller robotik
- Avancerade kunskaper i Python och PyTorch eller JAX, inklusive erfarenhet av CUDA-profilering och träning med blandad precision
- Forsknings erfarenhet inom datorseende samt inom minst ett område som synspråksmodeller, förkroppsligad eller fysisk AI eller 3D-perception
- Förmåga att gå från publicerad forskning till implementation, ablationsstudier och noggrant dokumenterade resultat
- Erfarenhet av videomodeller, diffusion, 3D Gaussian Splatting eller NeRF, SLAM eller scenrekonstruktion
- Tidigare arbete med multimodal förankring eller temporär slutledning
- Kännedom om ROS2, DeepStream eller TAO, eller optimering för edge-inferens med TensorRT eller ONNX
- Erfarenhet av skalbar träning med Ray, distribuerade dataladdare eller shardade kontrollpunkter
- Starka metoder inom programvaruutveckling, inklusive testning, lintning, profilering, containerisering och reproducerbarhet
- Offentligt tekniskt arbete såsom GitHub-projekt, publikationer som förstaförfattare eller omfattande bidrag till öppen källkod