Reinforcement Learning Lead in Funchal

Datamentors está a construir a próxima geração de robótica autónoma através de uma combinação de IA avançada, robótica e modelos proprietários de Visão-Linguagem-Ação (VLA). A nossa missão é criar sistemas robóticos inteligentes capazes de entender a linguagem natural, raciocinar sobre o mundo e agir autonomamente em ambientes complexos. Estamos a reunir uma equipa de engenharia de classe mundial para enfrentar alguns dos desafios mais difíceis em robótica, IA, percepção e autonomia.

O papel envolve:

• Possuir a fase pós-treinamento da plataforma humanoide Ardia — pegando políticas VLA pré-treinadas e clonadas por comportamento e melhorando sistematicamente a sua taxa de sucesso, precisão e robustez através de ajuste fino de RL, modelagem de recompensas e um ciclo apertado de simulação para o real.
• Design e execução do pipeline que melhora políticas VLA pré-treinadas com aprendizagem por reforço (RL online e offline, RLHF/RL a partir de feedback, abordagens de preferência e modelagem de recompensas).
• Definir sinais de recompensa, critérios de sucesso e estruturas de avaliação automatizadas que correlacionem com desempenho real em manipulação e desempenho corporal total.
• Construir e ajustar o ciclo de transferência de simulação para hardware.
• Estabelecer um ciclo que transforma dados de rollouts de robôs e dados de teleoperação em melhores políticas.
• Trabalhar com as equipas responsáveis pela camada de orquestração, política VLA e controle corporal total para garantir que as melhorias de RL se integrem de forma limpa.
• Definir o roteiro de RL, tomar decisões sobre frameworks e ferramentas, orientar engenheiros e representar o trabalho para a equipa mais ampla e parceiros externos.

Requisitos:

• Experiência sólida e demonstrável em RL: PPO/GRPO e métodos relacionados, RL offline, RLHF/RL baseado em preferências e modelagem de recompensas.
• Experiência em aprendizagem robótica / IA incorporada, idealmente com modelos VLA.
• Experiência prática em simulação para o real e fluência com pelo menos um simulador importante.
• Engenharia de ML sólida: PyTorch, treinamento distribuído, pipelines eficientes em GPU e disciplina para construir experimentos reprodutíveis e avaliações rigorosas.
• Provas de entrega — ter levado uma política de “funciona numa demonstração” para “funciona de forma fiável”.

Preferencial:

• Experiência direta com controle humanoide ou corporal total.
• Familiaridade com o pós-treinamento VLA — ajuste fino, destilação ou RL em cima de grandes modelos de ação pré-treinados.
• Conforto em trabalhar próximo à percepção e controle de baixo nível.
• Contribuições de código aberto para aprendizagem robótica ou frameworks de RL.
• Experiência na criação de pipelines de coleta de dados / teleoperação.
• Publicações ou trabalho aplicado na fronteira VLA / aprendizagem robótica.

Por que escolher a Datamentors:

• Possuir a camada pós-treinamento de ponta a ponta, com autonomia para construí-la à sua maneira.
• Liderança técnica prática: definir o roteiro de RL, tomar decisões sobre ferramentas e crescer uma pequena equipa em torno do trabalho.
• Avaliaremos os candidatos com base na capacidade demonstrada, não apenas em credenciais — se você fez o trabalho e pode mostrá-lo, queremos conversar.