PhD in Physical AI for Adaptive Robot Manipulation

Technical Sciences - Institut for Electro- og Comp inviterer ansøgere til et ph.d.-stipendiat/scholarship ved Graduate School of Technical Sciences, Aarhus Universitet, Danmark, inden for uddannelsen i Electrical and Computer Engineering. Stillingen er tilgængelig fra den 1. marts 2027 eller senere.

Forskningsområde og projektbeskrivelse

Ansøgere inviteres til en fuldt finansieret treårig ph.d.-stilling ved Institut for Elektro- og Computerteknik, Aarhus Universitet. Stillingen er en del af STORM (Soft Tactile Memory for Safe Physical-AI Correction of Robotic Foundation Models), et nyt projekt finansieret af Danmarks Frie Forskningsfond (DFF).

Kandidaten vil blive en del af Adaptive & Agentic AI (A3) Lab, ledet af Dr. Behzad Bozorgtabar (hovedvejleder), og vil arbejde tæt sammen med Professor Ahmad Rafsanjani og SDU Soft Robotics-gruppen, som udvikler den bløde taktile hud.

Forskningsvision

Hvordan kan en robot-fundamentmodel bruge fysisk feedback til at korrigere en handling under udførelsen? Modeller som vision-language-action (VLA) og world-action-modeller lader robotter følge naturligt sproginstruktioner, men de handler ud fra, hvad de ser, snarere end hvad de føler.

Når et greb begynder at glide, eller et skrøbeligt objekt deformeres, ser kameravisningen ofte fin ud, indtil skaden er sket. STORM giver robot-fundamentmodeller en følesans, så en robot kan registrere, når en manipulation går galt, og korrigere sig selv sikkert, mens den handler.

Ph.d.-projekt

Kandidaten vil udvikle maskinlæringskernen i STORM. Arbejdet omfatter tre forbundne videnskabelige spørgsmål, hvilket giver kandidaten mulighed for at forme de specifikke algoritmiske retninger: (1) Hvordan kan kontaktrepræsentationer læres fra avancerede taktile grænseflader, herunder en blød-fluidisk taktil hud udviklet ved SDU? (2) Hvordan kan forudsigende modeller forudsige, hvordan kontakttilstande bør udvikle sig over korte horisonter under en politiks tilsigtede handlinger? (3) Hvordan kan uoverensstemmelsen mellem forventet og følt kontakt drive parameter-effektiv tilpasning af forudtrænede grundlæggende politikker, samtidig med at sikkerheden garanteres?

Metoder vil blive evalueret på offentlige benchmarks og i virkelige robotopsætninger, med fokus på fingersnild manipulation af skrøbelige og usete objekter samt sikker menneske-robot-interaktion.

Miljø

Projektet befinder sig i skæringspunktet mellem maskinlæring, Fysisk AI, robot-fundamentmodeller (f.eks. VLA og World-Action-modeller), verdensmodeller, taktil sensing og adaptationsalgoritmer – områder hvor A3 Lab regelmæssigt publicerer på top-tier konferencer som NeurIPS, ICLR, CVPR og CoRL.

Ph.d.-projektet inkluderer et muligt planlagt forskningsophold ved KTH Royal Institute of Technology i Stockholm samt et tæt samarbejde med SDU-teamet.

Kvalifikationer og specifikke kompetencer

Dette er en yderst selektiv stilling; ansøgere forventes at opfylde kravene nedenfor.

Uddannelse: En kandidatgrad (120 ECTS eller tilsvarende) inden for datalogi, maskinlæring, kunstig intelligens, robotik, elektro-/computerteknik eller et relateret kvantitativt felt, afsluttet eller næsten afsluttet inden startdatoen.

Tekniske færdigheder: Avanceret færdighed i Python og PyTorch, med praktisk erfaring i træning, finjustering eller tilpasning af moderne dybe arkitekturer såsom Transformers, state-space-/sekvensmodeller og diffusions- eller flow-matching-modeller.

Kerneviden: Et stærkt fundament inden for maskinlæring, deep learning eller computersyn, kombineret med en stærk motivation for at arbejde med Fysisk AI, multimodal taktil sensing, verdensmodeller og online-tilpasning mv.

Relevant forskningserfaring (en eller flere af følgende er en stor fordel):

• Robot & Policy Learning: Imitation learning, behavior cloning, offline/model-based RL eller policy learning for manipulation (f.eks. diffusion policies, Vision-Language-Action-modeller eller World-Action-modeller), samt kendskab til manipulation benchmarks (f.eks. LIBERO, CALVIN eller ManiSkill).
• World Models & Sequential Representation Learning: Selvovervåget læring på temporale eller multimodale sensorstrømme, action-konditioneret video/dynamikforudsigelse, latente verdensmodeller eller usikkerhedsestimering.
• Model Adaptation & Post-Training: Test-time adaptation (TTA), kontinuerlig/online læring, parameter-effektiv finjustering (PEFT/LoRA) eller sikre/begrænsede politikopdateringer.

Praktisk robotik: Tidligere erfaring med fysiske robotplatforme, gribere, taktile/kraftsensorer og ROS 2 er en fordel, men ikke strengt nødvendigt for kandidater med en usædvanlig maskinlæringsbaggrund. En stærk vilje til at arbejde med fysisk hardware og udføre eksperimenter med rigtige robotter er dog påkrævet.

Track Record: Dokumentation for stærkt forskningspotentiale – såsom en stærk kandidatafhandling, open source-forskningskode eller publikationer/indsendelser til førende ML-, vision- eller robotikkonferencer (f.eks. NeurIPS, ICML, ICLR, CVPR, ICCV, ECCV, CoRL, RSS, ICRA) – er en stor fordel.

Egenskaber: En indstilling til videnskabelig stringens, reproducerbarhed og open source-bidrag, evnen til at samarbejde på tværs af algoritmiske AI- og fysiske hardware-teams samt fremragende skriftlig og mundtlig engelsk.

Ansøgningskrav (Sådan ansøger du)

Ansøgere skal sikre, at ansøgningen inkluderer følgende dokumenter:

• Statement of Interest (1 side): Beskrivelse af baggrund inden for maskinlæring, computersyn eller robotik, relevant erhvervserfaring i forhold til stillingen og motivation for at blive en del af A3 Lab og projektet.
• Curriculum Vitae: Inklusive en publikationsliste (hvis relevant) og en teknisk projektside, med links til kodearkiver eller videoer af eksperimenter, hvor tilgængeligt.
• Akademiske resultater: Karakterudskrifter og diplomer (bachelor og kandidat).

Krav til projektbeskrivelse: Kandidaten skal anvende projektbeskrivelsen fra ph.d.-opslaget.

Ansættelsessted og arbejdssted

Ansættelsesstedet er Aarhus Universitet, og arbejdsstedet er Adaptive & Agentic AI (A3) Lab, Institut for Elektro- og Computerteknik (ECE), Det Tekniske Fakultet.

Kontakter

Ansøgere, der søger yderligere information vedrørende ph.d.-stillingen, opfordres til at kontakte:

• Behzad Bozorgtabar, e-mail: behzad@ece.au.dk (hovedvejleder)

For information om ansøgningskrav og obligatoriske bilag henvises der til Technical Sciences - Institut for Electro- og Comps ansøgningsguide. Hvis svar ikke kan findes der, bedes man kontakte:

• admission.gradschool.tech@au.dk

Sådan ansøger du:

Ansøgningen skal indsendes via dette link.

Ansøgningsfristen er den 4. januar 2027 kl. 23:59 CET.

Foreløbig startdato er den 1. marts 2027.

Af tekniske årsager skal en projektbeskrivelse uploades. Kopier venligst projektbeskrivelsen ovenfor, og upload den som en PDF i ansøgningen.

Bemærk venligst:

• Kun dokumenter modtaget inden ansøgningsfristen vil blive evalueret. Dokumenter sendt efter fristen vil derfor ikke blive taget i betragtning.
• Programudvalget kan anmode om yderligere information eller invitere ansøgeren til en samtale.
• Der vil blive anvendt shortlisting, hvilket betyder, at evalueringsudvalget kun vil vurdere de mest relevante ansøgninger.

Formalia og lønniveau

Løn og ansættelsesvilkår følger overenskomst mellem Skatteministeriet og de faglige organisationer. Ansættelse sker som videnskabelig medarbejder på løntrin 4-8. Som ph.d.-stipendiat modtages derudover et månedligt ikke-pensionsgivende tillæg.

Aarhus Universitet stræber efter at være en attraktiv og inspirerende arbejdsplads for alle og at fremme en kultur, hvor hvert enkelt individ har mulighed for at trives, opnå og udvikle sig. Technical Sciences - Institut for Electro- og Comp betragter ligestilling og mangfoldighed som værdier, og virksomheden byder alle ansøgere velkommen.