Locomotion & Whole-Body Control Engineer (Mensch)

Deine Mission & Herausforderungen

Wir bauen unsere Legged‑Robotics‑Kompetenz auf NEURAs Humanoid‑Plattform (4NE1) und den Quadrupeden weiter aus. Diese Rolle deckt beide Kernschichten des Legged‑Control‑Stacks ab: Trajektorienoptimierung und MPC für kino‑dynamische Bewegungsgenerierung sowie QP‑basierte Instantaneous Whole‑Body Control, um diese Bewegungen mit 1 kHz auf echter Hardware auszuführen.

Der Fokus liegt auf kontaktreicher Dynamik, Echtzeit‑Optimierung und zuverlässiger Ausführung auf physischen Robotern. Du arbeitest eng mit State Estimation, Simulation, Low‑Level‑Control und Hardware‑Teams zusammen – ebenso mit den Applikationsteams, deren Aufgaben am Ende von robuster, vorhersagbarer Lokomotion und stabilem Whole‑Body‑Verhalten abhängen.

• Whole‑Body‑Bewegungsgenerierung und ‑Regelung für Floating‑Base‑Legged‑Plattformen – Lokomotion, Balance, Kontaktübergänge und Loco‑Manipulation (gehen und gleichzeitig manipulieren).

• Trajektorienoptimierung und Model‑Predictive‑Control‑Pipelines über Roboterzustand, Kontaktpläne, Bodenreaktionskräfte, zentroidalen Impuls und Gelenktrajectorien – mit reduzierten Lokomotionsmodellen wie LIPM, SRBD und zentroidaler Dynamik.

• QP‑basierte Task‑Space‑Inverse‑Dynamik, um instantane Whole‑Body‑Control aus MPC‑ und Trajektorien‑Referenzen mit 1 kHz auf dem realen Roboter auszuführen.

• Whole‑Body‑Modellierung der Plattform: Floating‑Base‑Rigid‑Body‑Dynamik aus URDF/MJCF, Gelenkkonfiguration, FK/IK, Jacobianen sowie Massen‑, Coriolis‑ und Gravitations­terme.

• Constraint‑Formulierung über MPC‑ und QP‑Ebene hinweg – Kontakt‑, Reibungs‑, Drehmoment‑, Gelenk‑, kinematische und Stabilitäts‑Constraints – inklusive Task‑Hierarchie‑Design, passend zur Plattform.

• Solver‑Performance‑Arbeit in beiden Ebenen: Warm‑Starting, numerische Konditionierung, Constraint‑Handling und Echtzeit‑Zuverlässigkeit bei 500 Hz bis 1 kHz.

• Deployment, Tuning und Debugging von MPC‑, Trajektorienoptimierungs‑, IK‑ und Invers‑Dynamik‑Pipelines auf physischen Robotern – inklusive plattform­spezifischer Kontaktmodell‑Kalibrierung und Validierung mit realen Roboterdaten.

• High‑Performance‑C++ für Echtzeit‑Ausführung sowie Python‑Tooling für Analyse, Prototyping und Debugging.

Auf was können wir uns freuen

• MSc oder PhD in Robotik, Regelungstechnik, Maschinenbau, Elektrotechnik, Informatik oder einem verwandten Fach.

• 4+ Jahre Hands‑on‑Erfahrung in der Entwicklung von Trajektorienoptimierung, MPC für Lokomotion und/oder Whole‑Body‑Control auf physischen Robotern.

• Sehr solide Grundlagen in Floating‑Base‑Rigid‑Body‑Dynamik und Kontaktmodellierung.

• Sehr gute praktische Kenntnisse zu reduzierten Lokomotionsmodellen (LIPM, SRBD, zentroidale Dynamik oder Äquivalente) und deren Einsatz innerhalb von MPC.

• Starker Background in Optimal Control, beschränkter numerischer Optimierung und Model‑Predictive‑Control für Legged Robots.

• Hands‑on‑Erfahrung mit Whole‑Body‑QP‑/TSID‑Frameworks auf echten Roboterdaten – inklusive QP‑/DDP‑Solver‑Interna.

• Erfahrung im Deployment von Echtzeit‑Control‑, MPC‑ und WBC‑Pipelines mit 500 Hz bis 1 kHz auf Hardware.

• Sehr gutes C++ für Echtzeit‑Robotik‑Software; Python für Analyse, Tooling, Prototyping und Debugging.

• Praxisnahes Verständnis, wie sich Kontaktdynamik, Aktuator‑Limits, Latenz, State‑Estimation‑Fehler, Solver‑Failure‑Modes und Modellabweichungen auf realer Hardware verhalten.

• Kollaborativer Arbeitsstil: gemeinsames Design, konstruktive Code‑Reviews, proaktive Kommunikation und zuverlässige Abstimmung über Control‑, Estimation‑, Simulation‑, Low‑Level‑Control‑ und Hardware‑Disziplinen hinweg. Starkes Teamwork ist für diese Rolle essenziell.

Nice to have

• Hands‑on‑Erfahrung mit Humanoiden, Quadrupeden oder anderen hoch‑DOF‑Legged‑Robotern.

• Vertrautheit mit Pinocchio, MuJoCo, Crocoddyl, IPOPT, TSID, OCS2 oder ähnlichen Open‑Source‑Tools.

• Hierarchische QPs, gewichtete QPs, Task‑Priorisierung, Kontaktkraft‑Optimierung oder Operational‑Space‑Control.

• Kontaktplanung, Gait‑Optimierung, Balance‑Recovery; CPG‑basierte oder hybride CPG/MPC‑Controller.

• Multi‑Contact‑WBC: Fußkontakte, bimanuelles Greifen oder Base‑Arm‑Koordination.

• Kontaktkonsistente Dynamik und Impact‑bewusste Übergänge in der Regelung.

• Erfahrung mit drehmomentgeregelten Robotern und hochbandbreitiger elektrischer Aktuatorik.

• Publikationen auf RSS, ICRA, IROS oder CoRL im Bereich Legged Locomotion oder Whole‑Body‑Control.