Investigador de Datos de Robótica

Lo que necesitamos

• Profundidad de investigación en aprendizaje robótico. Un doctorado, o una trayectoria de investigación que cumpla la misma función, en robótica o aprendizaje automático. Se valoran los perfiles próximos a finalizar.
• Has entrenado y evaluado políticas por ti mismo, en simulación o en hardware. Sabes dónde fallan las evaluaciones robóticas y cómo evitarlo.
• Te mueves rápido. Ejecutas el experimento pronto y redactas lo que has encontrado, incluso cuando es lo contrario de lo que esperabas.
• Sabes explicarlo. A un investigador, a un responsable de operaciones y a un cliente.
• Nativo de la IA. Ya trabajas con herramientas de IA y agentes de programación a diario, y construyes lo que necesitas sin esperar a que nadie te lo enseñe.
• Inglés profesional, utilizado a diario con el equipo y con los clientes.

• Residente en Barcelona, o con intención de mudarse aquí. El puesto es presencial con el equipo, y Sovrano ayuda con la mudanza.

La IA física necesita su propia capa de datos: los datos, los benchmarks y la evidencia que conectan la habilidad del mundo real con los modelos que ejecutan robots. Sovrano la está construyendo. Este puesto lidera la investigación que le dice a Sovrano, y al sector, qué es lo que realmente hace que los robots sean mejores, y luego se asegura de que se construya. Sovrano AI es un laboratorio de datos e investigación en Barcelona. Sovrano integra a expertos reales en la construcción de la IA: ellos realizan el trabajo, Sovrano captura su criterio y lo convierte en los datos, benchmarks y evidencia que los laboratorios de IA de vanguardia, las empresas de robótica y los equipos de IA empresarial utilizan para entrenar y evaluar sus modelos. Detrás hay una red de 400.000 o más profesionales, más de 100 universidades asociadas en toda Europa, certificación EFMD, 23 idiomas y EuroExec, el propio benchmark de Sovrano. Los modelos de lenguaje se volvieron buenos porque internet ya existía. La IA física no tiene internet: cada robot que aprenda un trabajo útil lo aprenderá de datos que alguien construyó, probó y demostró deliberadamente. Qué datos necesita una política, cómo juzgar su calidad y cómo probar una política frente a un trabajo real son todavía cuestiones abiertas en todo el sector. Europa tiene los expertos y el talento de investigación para responderlas, y este es un puesto fundacional en el equipo de investigación que pretende hacerlo. La semana consiste en un 80 por ciento de investigación: entrenamiento, evaluación, publicación. El otro 20 por ciento es comunicación y coordinación, con clientes, con marketing y con el equipo de datos. Reportarás a Pau Arnal, Founding Researcher, quien lidera el equipo de investigación y establece su agenda, y trabajarás directamente con él y con el CEO. Dicho claramente: el alcance se mueve a medida que llegan los resultados y los clientes. Algunas semanas entrenarás modelos toda la semana, otras semanas estarás en una llamada explicando por qué debería cambiar una especificación de datos. Gran parte de la infraestructura de investigación que necesitas te corresponde construirla a ti. El intercambio es la propiedad por la que la mayoría de los investigadores esperan una década: una agenda de investigación que es genuinamente tuya para dar forma, y resultados que cambian lo que la empresa hace la semana siguiente.

Tus responsabilidades

• Demostrar que los datos funcionan. Entrenar y ajustar políticas en los conjuntos de datos de Sovrano y medir la mejora. Cuando los datos no están dando su máximo potencial, averiguar por qué y decirlo claramente, porque esa llamada decide dónde hace la empresa su próxima apuesta.
• Los benchmarks. Diseñar los benchmarks que le digan a la IA física qué tan buena es realmente una política en un trabajo real. La evaluación para tareas físicas sigue siendo un problema abierto, y Sovrano pretende definirla.
• Entrenamiento de los modelos. Elegir el método que cada pregunta necesite y ejecutarlo de principio a fin.
• La dirección de la capa de datos. Tus resultados deciden sobre qué tareas, qué embodiments y qué estándar de calidad se construye la capa de datos.
• La próxima especificación del conjunto de datos. Trabajarás con el equipo de datos para que tus comentarios den forma a cómo se crean los datos, y verificarás la calidad de lo que se entrega.
• Explicar la evidencia. Cuando una empresa de robótica pregunte qué datos necesitan sus políticas, tus resultados serán la respuesta, explicada a un investigador, a un responsable de operaciones y a un cliente.
• Publicación. Artículos en los mejores foros, lanzamientos abiertos, entradas de blog. Tu nombre figurará en el trabajo, y el trabajo saldrá al público.