Perception & Sensing Engineer — Tactile, Encoders & Camera Integration (Human)

Eine geschickte Roboterhand, die Kontakt, Rutschen und Fingerposition nicht zuverlässig wahrnehmen kann, ist nicht wirklich geschickt – sie ist fragil. Als Perception & Sensing Engineer für BU‑Hands ist es deine Mission, den kompletten Sensing‑ und Perception‑Stack der Humanoid Hand zu bauen: Du integrierst 44+ Sensorknoten über taktile, inertiale, magnetische und akustische Modalitäten hinweg, entwickelst Signalverarbeitungs‑ und Klassifikations‑Pipelines, die rohe Sensordaten in nutzbare Zustände verwandeln, und übernimmst die Kamera‑Integration, die visuelle In‑Hand‑Wahrnehmung ermöglicht.

Du arbeitest von der Labor‑Charakterisierung über die Entwicklung Embedded‑Signalverarbeitungs‑Pipelines bis zur ROS‑2‑Integration und der Zusammenarbeit mit dem AI‑Team. Das Sensorset ist extrem dicht, die Rechenziele sind stark begrenzt – dein zentrales Inferenz‑Target für On‑Hand‑Klassifikation ist die Hexagon NPU auf der Qualcomm‑IQ‑Plattform. Deine Arbeit bestimmt direkt, was die Hand darüber weiß, was sie berührt, was sie hält und was sie gerade tut.

• Du übernimmst die Integration und Signalverarbeitungs‑Pipelines für 44+ Sensorknoten in der gesamten Hand: MEMS‑Mikrofone, 3D‑Magnetometer, IMUs und barometrische Sensoren (Bosch‑Sensortec‑Stack).
• Du entwickelst taktile Verarbeitungs‑Pipelines auf Embedded‑Targets (Hexagon NPU / Qualcomm‑IQ‑Plattform): Scherkrafterkennung, Rutscherkennung und Kontaktklassifikation mit geringer Latenz auf stark begrenzter Hardware.
• Du integrierst Absolute‑Positionsencoder für sehnengetriebene Fingerstufen, charakterisierst Hysterese, Drift und Nichtlinearitäten und entwickelst sowie validierst Kompensationsalgorithmen.
• Du führst die Kamera‑Integration für In‑Hand‑Perception: Du definierst Imaging‑Setup, Kalibrier‑Pipeline und die Schnittstelle zu den Vision‑Tactile‑Fusionsmodellen des AI‑Teams.
• Du treibst Sensor‑Charakterisierung, Bench‑Qualifikation und Testprotokoll‑Entwicklung für jede Sensor‑Klasse in der Hand voran – du verantwortest den Nachweis, dass der Sensing‑Stack die Spezifikation erfüllt, bevor er das Labor verlässt.
• Du arbeitest eng mit dem AI‑Team an Vision‑Tactile‑Sensorfusion und lieferst sauber kalibrierte, zeitsynchronisierte Sensorstreams als Input für die Perception‑Modelle.

• Robotics Sensing & Signal Processing

  • 4+ Jahre Erfahrung im Robotics Sensing – bevorzugt mit taktilem Sensing, Force‑Torque oder propriozeptiven Systemen; Tiefe ist wichtiger als Breite.

  • Starker Signalverarbeitungs‑Background: Filterdesign, Rauschcharakterisierung, Verständnis von Low‑Noise‑Analog‑Frontends und die Fähigkeit, rohe ADC‑Daten auf echter Hardware in ein brauchbares Signal zu verwandeln.

  • Hands‑on‑Erfahrung mit MEMS‑Sensorintegration: Verständnis von Rauschmodellen, Temperaturempfindlichkeit, Cross‑Axis‑Sensitivität und wie diese mit mechanischen Montageentscheidungen zusammenspielen.

  • ROS‑2‑Integration eigener Sensortreiber: Du hast Hardware‑Interface‑Nodes für Sensoren geschrieben, für die es noch keinen ROS‑2‑Support gab.

• Embedded Inference & Sensorfusion

  • Erfahrung mit Edge‑ML‑Inference für Sensorklassifikation: Deployment trainierter Modelle auf NPU‑ oder MCU‑Targets, Optimierung auf Latenz und Speicher sowie Validierung der Klassifikationsleistung mit echten Sensordaten.

  • Sensorfusion über heterogene Modalitäten (inertial, taktil, positional oder optisch) im Kontext von robotischer Manipulation oder hochbeweglichen/dexteren Systemen.

• Test & Charakterisierung

  • Erfahrung in der Entwicklung von Bench‑Charakterisierungsprotokollen und Qualifikations‑Test­suiten für Sensoren im Produkt‑Engineering‑Kontext – nicht nur Integration, sondern evidenzbasierte Qualifikation.

  • Systematisches Vorgehen zur Charakterisierung von Hysterese und Drift bei Positionssensorik in sehnengetriebenen oder nachgiebigen mechanischen Systemen.

• Nice to have

  • Kamerakalibrierung für In‑Hand‑ oder Nahbereichsvision: Intrinsisch/Extrinsisch‑Kalibrierung, Linsenverzerrung und die speziellen Herausforderungen von beengten Bildgebungs‑Setups nahe artikulierter Finger.

  • Erfahrung mit Hexagon DSP/NPU oder der Qualcomm‑IQ‑Plattform für Embedded Inference.

  • Bosch‑Sensortec‑Stack (BMI, BMM, BMP‑Serie) Integrationserfahrung.

  • Background im Design taktiler Sensorarrays oder Integration flexibler Elektronik für Roboterhände.

  • Erfahrung darin, Perception‑Outputs mit Manipulationsplanung oder Grasp‑Quality‑Schätzung zu verbinden.