120ft développe des usines robotiques modulaires pour rapprocher la fabrication des lieux de consommation.
Master's Thesis: Robot Learning from Operational Data
Cette thèse de master chez 120ft à Stockholm étudie comment les données opérationnelles peuvent améliorer l’apprentissage de robots pour des tâches d’assemblage. Le projet compare ces données aux démonstrations de téléopération et teste leur effet sur la qualité des politiques de robot, notamment avec filtrage ou pondération des résultats. Il s’agit d’un projet expérimental hors ligne, avec accès à des jeux de données existants, à la pile d’entraînement et à un robot Unitree G1-D si nécessaire.
3× plus de chances d’entretien avec un cold email
Voir l’offre originaleRepères sur 120ft
- Dernière levée
- Angel · 2026-10-01
- Montant annoncé
- 633 600 $
- Offres ouvertes
- 2
Investisseurs mentionnés
Détails de l’offre
La description complète publiée par 120ft.
Description de l’offre
Can robots learn from the work they already do? In this master's thesis at 120ft, you will investigate how operational data can improve robot learning for real assembly tasks. Host: 120ft Factory AB, Stockholm Company supervisor: Sulthan Suresh Fazeela Field: Machine learning and robotics BACKGROUND 120ft builds Factory OS, a software layer that lets humanoid robots, currently the Unitree G1-D, carry out high-mix, low-volume assembly work. Robot behaviour comes from Vision-Language-Action (VLA) policies trained on recorded demonstrations.
Today, almost all training data comes from dedicated teleoperation sessions. Every hour of that data costs an operator's hour. But the robot also generates data every time it runs.
The research question
Operational rollouts include per-frame tags showing whether a human or a policy was driving. You will investigate whether data from policy-driven episodes can improve the policy, how it can be combined with teleoperation demonstrations, and which data helps rather than hurts.
What you will investigate
This is an offline, experimental project using already-collected rollout data, rather than building a live production pipeline. The goal is to characterise the data and give an evidence-based recommendation on its value for training.
- Compare the operational dataset with curated teleoperation datasets: volume, success and failure balance, and recurring failure modes.
- Test whether fine-tuning on operational data changes policy quality, and whether filtering or weighting by operator-judged outcome labels makes a difference.
- Explore other data-centric questions that emerge, including the reliability and consistency of outcome labels.
What we provide
A technical supervisor.
- Access to existing operational and curated datasets.
- Access to the training stack for fine-tuning experiments.
- Access to a real Unitree G1-D if additional rollouts are needed.
Who this is for
You are a master's student in machine learning or robot learning, comfortable with empirical experimentation and data analysis. APPLY Send your CV and a GitHub, LinkedIn or website link. Tell us why this thesis interests you and share an example of work you are proud of.
Prérequis
- Étudiant en master en machine learning ou robot learning
- À l’aise avec l’expérimentation empirique et l’analyse de données
Avantages mentionnés
- Superviseur technique
- Accès aux jeux de données opérationnelles et sélectionnées existants
- Accès à la pile d’entraînement pour des expériences de fine-tuning
- Accès à un robot Unitree G1-D si des rollouts supplémentaires sont nécessaires
Candidater à cette offre
Comment candidater ?
L’offre est publiée sur le site de 120ft. Ouvrez l’offre originale ↗ pour y déposer votre candidature. Screeningpass ne remplit pas de formulaire à votre place.
À qui écrire chez 120ft pour ce poste ?
Lancez une recherche de contact depuis cette page. Screeningpass vous propose jusqu’à trois personnes liées au poste. Vous choisissez celle à qui écrire, puis Screeningpass cherche son email professionnel et prépare un message. Vous le relisez et l’envoyez vous-même avec Gmail. Une adresse email n’est pas toujours disponible, et une réponse n’est jamais garantie.
Combien coûte la recherche d’un contact ?
Une recherche coûte 1 crédit. Le crédit vous est rendu si la recherche échoue. L’inscription offre 3 crédits, soit 3 recherches.
À quoi sert Screeningpass ?
Screeningpass rassemble des offres de stage, d’alternance et d’emploi publiées par les entreprises. Pour une offre, Screeningpass trouve une personne à contacter dans l’entreprise, cherche son email professionnel et prépare un message à partir de votre CV. Voir le fonctionnement en détail.