We're building simulation-ready 3D environments for robotics training. We have a large library of lidar-captured residential interiors, and we're converting them into environments that robot policies can actually navigate — watertight geometry, real collision meshes, semantic labels, USD export.
You'd be the first hire on this. First project is five scenes, end to end, by hand. What we learn from those becomes the pipeline.
Must have:
• Blender or Maya at production level — retopo, mesh repair, UV
• Python scripting. Every tool in this stack is driven through it
• Hands-on with at least one physics simulator: Isaac Sim, MuJoCo, Unity/Unreal physics, or PyBullet
• You understand the difference between a visual mesh and a collision mesh, and can explain convex decomposition without looking it up
Nice to have: USD/OpenUSD, Isaac Sim or Omniverse specifically, experience cleaning up scanned data (photogrammetry, point clouds, 3D scan)
Not required: ML or robotics theory. You're building environments, not training policies.
What a finished scene looks like:
• Visual mesh — watertight, ceilings closed, holes patched, real-world scale, Z-up, floor at origin
• Collision mesh — separate from visual, convex-decomposed
• Semantic labels — floor, wall, ceiling, door, window, stair, furniture
• USD primary, glTF secondary
• Loads in Isaac Sim and MuJoCo, and a simple agent can walk room to room without falling through anything
Screening: a paid test task. We send you one raw scan; you produce a watertight collision mesh that loads in MuJoCo and holds a falling capsule on the floor instead of letting it pass through. Half a day of work, paid at your rate.
----------------------------------------------------------------------
Ми створюємо 3D-середовища, готові до симуляцій, для навчання робототехніки. У нас є велика бібліотека житлових інтер'єрів, відзнятих за допомогою LiDAR, і ми перетворюємо їх на середовища, в яких алгоритми роботів (robot policies) зможуть реально орієнтуватися — замкнута геометрія (watertight geometry), справжні колізійні меші (collision meshes), семантичні мітки (semantic labels), експорт у формат USD.
Ви будете першим найнятим спеціалістом на цьому напрямку. Перший проєкт — п'ять сцен, від початку до кінця (end-to-end), повністю вручну. Те, чого ми навчимося під час їх створення, стане основою нашого пайплайну.
Обов'язкові вимоги:
- Blender або Maya на рівні продакшену — ретопологія (retopo), виправлення мешів, розгортка (UV).
- Написання скриптів на Python. Кожен інструмент у цьому стеку керується через нього.
- Практичний досвід роботи щонайменше з одним фізичним симулятором: Isaac Sim, MuJoCo, Unity/Unreal physics або PyBullet.
- Ви розумієте різницю між візуальним (visual) та колізійним (collision) мешем і можете пояснити, що таке опукла декомпозиція (convex decomposition), не гуглячи цього.
Буде плюсом: Досвід роботи з USD/OpenUSD, конкретно з Isaac Sim або Omniverse, досвід очищення відсканованих даних (фотограмметрія, хмари точок / point clouds, Matterport).
Не вимагається: Знання ML або теорії робототехніки. Ви створюєте середовища, а не тренуєте політики.
Як виглядає готова сцена:
- Візуальний меш — замкнута геометрія (watertight), закриті стелі, залатані дірки, реальний масштаб (real-world scale), вісь Z вгору (Z-up), підлога на рівні початку координат (origin).
- Колізійний меш — окремий від візуального, розділений за допомогою опуклої декомпозиції (convex-decomposed).
- Семантичні мітки — підлога, стіна, стеля, двері, вікно, сходи, меблі.
- Формати — основний USD, додатковий glTF.
- Сцена успішно завантажується в Isaac Sim та MuJoCo, а простий агент може переходити з кімнати в кімнату, не провалюючись крізь поверхні.
Відбір: Оплачуване тестове завдання. Ми надсилаємо вам один необроблений скан (raw scan); ви маєте зробити замкнутий колізійний меш, який завантажується в MuJoCo і утримує падаючу капсулу на підлозі, не даючи їй провалитися наскрізь. Це робота на пів дня, яка оплачується за вашим рейтом (hourly rate).