الوصف الوظيفي
حول أوريجن أوريجن (سابقًا 10xConstruction) تبني روبوتات مستقلة عامة الاستخدام لقطاع البناء في الولايات المتحدة لمواجهة ارتفاع التكاليف، ومخاطر السلامة، ونقص العمالة.
تجمع منصتنا متعددة التخصصات بين الأجهزة المصممة خصيصًا مع الذكاء الاصطناعي في الوقت الحقيقي للتنقل في البيئات المعقدة وتنفيذ المهام بدقة.
تم تدريب روبوتاتنا في محاكاة عالية الدقة وتم نشرها بالفعل في مواقع حية، حيث تقدم تنفيذًا أسرع بخمس مرات، وزيادة في الهوامش بنسبة 250%، وتوفير كبير في التكاليف.
حول الدور ستتحمل مسؤولية جودة وأداء كل أداة يعمل بها الروبوت: مسدسات الرش، وآلات الصنفرة، وأدوات التشطيب المستقبلية المستخدمة في البناء الداخلي.
يعني ذلك إجراء تجارب صارمة للعثور على المعلمات التشغيلية الصحيحة، وتوصيف العيوب، وبناء استراتيجيات التخفيف، وإنتاج مجموعات البيانات المنظمة التي يحتاجها فريق الذكاء الاصطناعي لإغلاق الحلقة حول استخدام الأدوات المستقلة.
ستقود فريقًا متعدد التخصصات يمتد عبر المناورة، والإدراك، والذكاء الاصطناعي، والهندسة الميكانيكية، وستقوم ببناء بنية الاختبار الفيزيائية (ألواح عينات، بيئات وهمية، معدات مزودة بأجهزة قياس) التي تجعل كل ذلك ممكنًا.
المسؤوليات الرئيسية تصميم وتنفيذ تجارب منظمة متعددة المعلمات (منهجية تصميم التجارب) لتحديد المعلمات المثلى للأدوات (الضغوط، السرعات، المسافات، معدلات التغذية، تركيبات المواد) لكل تطبيق تشطيب.
عزل المتغيرات بشكل صحيح، توثيق المنهجية والضوابط، والإبلاغ عن النتائج مع دلالة إحصائية.
توصيف أنماط العيوب (تشغيل، ترهل، قشر البرتقال، صنفرة غير متساوية، تغطية مفقودة) عبر التطبيقات؛ تطوير واستراتيجيات التخفيف والتحقق منها مع معايير نجاح/فشل قابلة للقياس.
فهم متى تظهر النتائج علاقات سببية حقيقية مقابل الارتباطات الزائفة امتلاك خط أنابيب جمع البيانات المعتمد على الرؤية من البداية إلى النهاية: اختيار الكاميرات، العدسات، وإعدادات الإضاءة؛ تحديد تسلسلات التقاط الصور ووجهات النظر؛ جمع، معالجة، والتحقق من جودة بيانات الصور؛ وتقديم مجموعات بيانات مصنفة، ومُعَدة للاستخدام المباشر من قبل فريق الذكاء الاصطناعي.
قيادة فريق التطبيقات متعدد التخصصات (المناورة، الإدراك، الذكاء الاصطناعي، الميكانيكا) لتقديم قدرات استخدام الأدوات المعتمدة للتحكم في الرش، والصنفرة، والتطبيقات الداخلية اللاحقة.
برمجة وتشغيل أذرع الروبوت (عبر واجهة التحكم) لتنفيذ تجارب استخدام الأدوات؛ التعاون مع فريق المناورة في تصميم المسار وضبط وحدة التحكم لكل تطبيق.
تحديد، شراء، وتكليف بنية الاختبار: الركائز النموذجية، التجميعات الجدارية الوهمية، غرف الرش، استخراج الغبار، معدات الكاميرا/الإضاءة، وإعدادات القياس المزودة بأجهزة.
امتلاك العمليات الشاملة لمختبر التطبيقات: الجدولة، بروتوكولات السلامة، مخزون المستهلكات، معايرة المعدات، ودورات البناء/التدمير المطلوبة للحفاظ على إمدادات جديدة من بيئات اختبار الجدران الجافة.
المؤهلات والمهارات المطلوبة البحث التجريبي تدريب رسمي أو خبرة عملية عميقة في تصميم التجارب: تصميم التجارب (DOE)، الدراسات متعددة المعلمات المسيطر عليها، التحليل الإحصائي، وتفسير البيانات.
أنت تفهم أنك تغير فقط المتغير الذي تدرسه، وتعرف متى تكون النتيجة ذات دلالة إحصائية، وتعرف أن الارتباط ليس سببًا.
القدرة على ملاءمة المنحنيات وبناء نماذج تجريبية، ولكن الأهم من ذلك، تقييم ما تشرحه تلك النماذج وما لا تشرحه.
الراحة مع بايثون لتحليل البيانات، والتصور، وأتمتة سير العمل التجريبي.
جمع البيانات المعتمد على الرؤية خبرة عملية في تصميم وتنفيذ جمع البيانات المعتمد على الرؤية: اختيار الكاميرات والعدسات، تصميم الإضاءة، تخطيط تسلسل الصور، وتنفيذ الالتقاط.
القدرة على التفكير حول ما يجعل مجموعة بيانات الصورة كاملة، متسقة، ومفيدة.
معرفة عملية بأساسيات معالجة الصور: فضاءات الألوان، التعريض، التشويه، التصفية الأساسية والتعليق.
لا تحتاج إلى تدريب النماذج، ولكن تحتاج إلى إنتاج البيانات التي تجعل التدريب ممكنًا الروبوتات فهم أنظمة الروبوتات الحديثة: أذرع الروبوت، تخطيط المسار، وحدات التحكم، وكيف تتكامل التصميمات الميكانيكية والأنظمة الإلكترونية في منصة عمل.
إتقان عملي مع المناورات الصناعية من خلال واجهة التحكم الخاصة بها (التشغيل، برمجة النقاط، تنفيذ الروتين).
خبرة عملية في عمود واحد على الأقل من المجالات المرتبطة بالروبوتات (التصنيع، الأتمتة، البحث) أو التعرض الموثق للتفاعل بين الأنظمة الميكانيكية، الكهربائية، والبرمجيات على منصة روبوتية.
الخبرات المفضلة فهم نماذج الذكاء الاصطناعي/التعلم الآلي، خاصة الهياكل المعتمدة على الرؤية (كشف الكائنات، التقسيم، تصنيف العيوب)، بعمق كافٍ لاتخاذ قرارات مستنيرة حول البيانات التي تحتاجها النماذج وكيف تؤثر خيارات الجمع على أداء النموذج.
التفكير المنتج حول أدوات البناء والتشطيبات: الإلمام بالجدران الجافة، والتجصيص، وطلاء المهن، والمعايير التجارية للجودة، والواقع العملي لما يبدو "جيدًا" في موقع العمل دكتوراه ذات صلة (علوم المواد، الروبوتات، الفيزياء التطبيقية، الرؤية الحاسوبية، أو تخصص تجريبي ذي صلة) تعكس راحة عميقة مع المنهجية العلمية والبحث المستقل.
خبرة في العمليات التي تدفع دورات البناء والتدمير لبيئة اختبار فعلية، بما في ذلك لوجستيات إنشاء تجميعات الجدران الجافة، وإجراء التجارب، والهدم، والتكرار، جنبًا إلى جنب مع عمليات جمع البيانات والتعليق التي تعمل بالتوازي.
لقد تمت ترجمة هذا الإعلان الوظيفي بواسطة الذكاء الاصطناعي وقد يحتوي على بعض الاختلافات أو الأخطاء البسيطة.
