Simulation & digital twin engineer r&d

Randstad Digital Talent Services, divisione specializzata nella ricerca e selezione di profili ICT di Randstad Italia, è alla ricerca di un Simulation & Digital Twin Engineer con assunzione diretta da parte dell'azienda.

Il nostro cliente è una realtà industriale estremamente innovativa e in forte crescita a livello nazionale ed internazionale. Il prodotto lanciato sul mercato da pochi anni sta crescendo a livello di clienti e fatturato.

Si offre inserimento diretto, ral commisurata all'esperienza (fino a 45k), 1 giorni di smart working a settimana, orario flessibile in ingresso; inserimento in un contesto dinamico, all'avanguardia e in continua evoluzione

Retribuzione annua: 40000€ - 50000€

esperienza

Requisiti

• Laurea in Robotica, Automazione, Informatica o settori affini.
• Più di 2 anni di esperienza nella simulazione robotica, in ambienti basati sulla fisica o motori grafici.
• Ottima conoscenza di Python (la conoscenza di C++ o linguaggi simili è un plus).
• Esperienza nella costruzione di ambienti e benchmark utilizzando simulatori come Isaac Sim, MuJoCo, PyBullet, Unreal o Unity.
• Familiarità con: pipeline di simulazione (asset, scenari, simulazione di sensori), cinematica e dinamica di base, concetti base di rendering o fisica.

Plus

• Esperienza con l'ecosistema USD / Omniverse.
• Esposizione alla generazione di dati sintetici.
• Esperienza nel supporto a ambienti di addestramento per l'apprendimento per rinforzo (RL).

La ricerca è rivolta ai candidati ambosessi (L.903/77). Ti preghiamo di leggere l'informativa sulla privacy Randstad (https://www.randstad.it/privacy/) ai sensi dell'art. 13 del Regolamento (UE) 2016/679 sulla protezione dei dati (GDPR).

Responsabilità

• Progettare, costruire e mantenere ambienti di simulazione fisicamente realistici e modelli di robot per compiti di manipolazione, navigazione, interazione.
• Sviluppare asset modulari per Digital Twin (robot, sensori, scenari) utilizzando Isaac Sim / USD.
• Abilitare cicli di simulazione rapidi attraverso: la strutturazione di ambienti compatibili con l'apprendimento per rinforzo (RL) e l'ottimizzazione delle prestazioni di simulazione per la scalabilità e l'addestramento parallelo.
• Implementare pipeline per la generazione di dati sintetici (stato, visione, dati di teleoperarion).
• Collaborare strettamente con team multidisciplinari, tra cui: ingegneri di movimento e controllo, team di progettazione meccanica, ingegneri AI / apprendimento.
• Contribuire all'allineamento "sim-to-real" (passaggio dalla simulazione alla realtà).