مهندس شبیه‌سازی (رباتیک و خودران)
Simulation Engineer (Robotics & Autonomy)
مهندس شبیه‌سازی در رباتیک و خودران (Simulation Engineer) دنیای مجازی‌ای می‌سازد که ربات، خودروی خودران یا پهپاد پیش از رسیدن به دنیای واقعی در آن آموزش می‌بیند و آزموده می‌شود: فیزیک حرکت و تماس، حسگرهای شبیه‌سازی‌شده، سناریوهای رانندگی و پرواز، و زیرساختی که هزاران اجرای تکرارپذیر را پیش می‌برد. نام قدیمی این صفحه، «Intelligent Simulation Engineer»، عنوان شغلی نیست و در هیچ‌یک از آگهی‌هایی که برای این صفحه بررسی شد دیده نشد. کارفرماها همین کار را Simulation Engineer، Software Engineer, Simulation یا Machine Learning Engineer, Simulation می‌نامند: از 1X و Apptronik در ربات‌های انسان‌نما تا Waymo، Wayve و Nuro در خودروی خودران و Zipline و Skydio در پهپاد. بیشتر این آگهی‌ها C++ و Python قوی و چند سال تجربه می‌خواهند.
مقدمه و تعریف شغل
مهندس شبیه‌سازی در رباتیک و خودران نرم‌افزاری می‌سازد که دنیای واقعی را برای ماشین‌های خودکار بازسازی می‌کند و بعد نشان می‌دهد این بازسازی چقدر به واقعیت نزدیک است. کار سه لایه دارد: فیزیک و حسگرها (حرکت، تماس، محرک‌ها، دوربین، lidar، IMU)، محیط و سناریو (اتاق و کارخانه برای ربات، خیابان و ترافیک برای خودرو، مأموریت پرواز برای پهپاد)، و سکوی اجرا (اتصال نرم‌افزار واقعی ربات به شبیه‌ساز، اجرای هزاران سناریو و تکرارپذیری نتیجه). آگهی 1X هدف را خلاصه کرده است: شبیه‌ساز باید آن‌قدر دقیق باشد که نتیجه‌ای که در شبیه‌سازی به دست می‌آید روی سخت‌افزار هم برقرار بماند.
آزمودن همه‌چیز در دنیای واقعی ممکن نیست. Helsing در آگهی خود می‌نویسد زمان میدان آزمایش، هزینه و شمار حالت‌های مرزی پرواز آزمایشی برای همهٔ پرسش‌ها را ناممکن می‌کند، و 1X تیم شبیه‌سازی را برای این می‌خواهد که تیم AI منتظر سخت‌افزار نماند. ابزارهای این کار در دههٔ گذشته جاافتاده‌اند: MuJoCo در ۲۰۱۲ معرفی شد، در ۲۰۲۱ به Google DeepMind رسید و در ۲۰۲۲ متن‌باز شد؛ CARLA در ۲۰۱۷ به‌عنوان شبیه‌ساز متن‌باز رانندگی منتشر شد؛ و Isaac Gym در ۲۰۲۱ نشان داد فیزیک و آموزش هر دو می‌توانند روی GPU اجرا شوند. موج تازه شبیه‌سازی مولد است: Waymo world model آموزش می‌دهد، Wayve شبیه‌سازی closed-loop را با مدل‌های GAIA پیش می‌برد و Waabi شبیه‌ساز Waabi World را با هوش مصنوعی مولد ساخته است. در همهٔ این‌ها پرسش اصلی یکی است: آیا می‌شود به نتیجهٔ شبیه‌ساز اعتماد کرد؟
چه چیزی می‌سازید؟
مثال‌های واقعی از خروجی کار یک مهندس شبیه‌سازی (رباتیک و خودران)
شبیه‌ساز فیزیکی دقیق برای ربات
در 1X مهندس شبیه‌سازی دینامیک تماس، مدل بدنهٔ مفصل‌دار و مدل محرک و انتقال قدرت را با دادهٔ شناسایی سیستم از ربات واقعی بهبود می‌دهد و جاهایی را که فرض جسم صلب می‌شکند با مدل تماس نرم جبران می‌کند.
محیط آموزش و ارزیابی سیاست
Humanoid محیط gym برای manipulation در صنعت، خدمات و خانه می‌خواهد و Apptronik digital twinهایی که هم برای آموزش سیاست، هم برای اعتبارسنجی کنترل و هم برای تست یکپارچه در CI به کار بروند.
شبیه‌ساز حسگر
Skydio شبیه‌سازی دوربین، IMU و دیگر قطعات پهپاد را با زمان‌بندی و ویژگی‌های نویز می‌خواهد و Zoox مدل‌های ML می‌سازد تا lidar، radar و دوربینِ شبیه‌سازی‌شده واقعی‌تر شوند.
سکوی شبیه‌سازی closed-loop برای خودران
در Waabi مهندس نرم‌افزاری می‌نویسد که پشتهٔ خودران، مدل‌های داده‌محور بازیگران ترافیک و شبیه‌سازی حسگر مبتنی بر AI مولد را در Waabi World به هم وصل می‌کند.
زیرساخت اجرای انبوه و تست رگرسیون
Zipline شبیه‌سازی را از دیباگ یک پهپاد تا آزمودن ناوگان در هزاران سناریو داخل CI مقیاس می‌دهد و Field AI لاگ‌های میدانی و محیط‌های بازسازی‌شده را به سناریوی تکرارپذیر تبدیل می‌کند.
تخصص‌های مختلف مهندس شبیه‌سازی (رباتیک و خودران)
این شغل یک عنوان واحد نیست — مسیرهای تخصصی متعددی دارد
شبیه‌سازی برای یادگیری ربات
Robot Learning Simulation
دقت فیزیک تماس و محرک‌ها، محیط‌های آموزش، domain randomization و sim-to-real برای ربات‌های انسان‌نما و بازوها. نمونه‌ها: 1X، Humanoid، Apptronik و Genesis AI.
سکوی شبیه‌سازی و ارزیابی خودران
AV Simulation Platform & Evaluation
اجرای پشتهٔ رانندگی در شبیه‌ساز، ارزیابی open-loop و closed-loop، تولید سناریو و ریشه‌یابی تفاوت با جاده. نمونه‌ها: Wayve، Nuro، Waabi، TRI و Applied Intuition.
شبیه‌سازی حسگر و شبیه‌سازی عصبی
Sensor & Neural Simulation
واقعی‌تر کردن دادهٔ حسگر با ML، بازسازی سه‌بعدی با 3DGS و NeRF و world modelهای مولد. نمونه‌ها: Zoox، تیم Simulator در Waymo و نقش‌های Neural Simulation در Applied Intuition.
پهپاد، هوافضا و شبیه‌سازی دفاعی
Drones, Aerospace & Defense M&S
شبیه‌سازی زمان واقعی و قطعی برای منطق پرواز، hardware-in-the-loop و چارچوب‌های شبیه‌سازی دفاعی مثل AFSIM. نمونه‌ها: Zipline، Skydio، Shield AI و Anduril.
زیرساخت و ابزارسازی شبیه‌سازی
Simulation Infrastructure & Tooling
orchestration، اجرای انبوه روی ابر، تست و CI و ابزار توسعه برای تیم‌هایی که با شبیه‌ساز کار می‌کنند. نمونه‌ها: Simulator Platform در Waymo، Principal Tools Engineer در 1X و نگه‌دارندگان هستهٔ Genesis-World.
تفاوت با شغل‌های مشابه
کجا این شغل تمام می‌شود و شغل دیگری شروع می‌شود؟
خروجی مهندس داده‌های سنتتیک خودِ داده است، به‌علاوهٔ اثباتِ اینکه آن داده مدل را بهتر کرده؛ شاخهٔ شبیه‌سازی آن شغل از شبیه‌ساز و موتور بازی برای ساختن دادهٔ برچسب‌دار استفاده می‌کند. مهندس شبیه‌سازی خودِ شبیه‌ساز را می‌سازد و درستی‌اش را می‌سنجد، و بخش بزرگی از کارش آزمودن و ارزیابی است، نه تولید داده. مرزشان باز است: TRI نقش شبیه‌سازی‌اش را هم برای اعتبارسنجی closed-loop و هم برای تولید دادهٔ مصنوعی تعریف کرده، تیم شبیه‌سازی 1X تولید دادهٔ مصنوعی را هم مقیاس می‌دهد و تیم 3D Sensor Simulation در Zoox با تیم Synthetic Data کار می‌کند.
مهندس RL سیاست را آموزش می‌دهد؛ مهندس شبیه‌سازی محیطی را می‌سازد که سیاست در آن آموزش می‌بیند و مطمئن می‌شود فیزیکش درست و سرعتش کافی است. Apptronik این دو نیاز را در یک جمله آورده: سکوی شبیه‌سازی باید برای آموزش RL به اندازهٔ کافی سریع و برای اعتبارسنجی کنترل به اندازهٔ کافی دقیق باشد. مرز گاهی باریک است: Simulation Engineer در Humanoid تابع پاداش طراحی می‌کند و با reward hacking سروکار دارد. اما در خودران، شبیه‌ساز بیشتر برای ارزیابی پشتهٔ رانندگی است، مثل ارزیابی open-loop و closed-loop در Wayve.
مهندس رباتیک نرم‌افزاری می‌سازد که روی ربات واقعی اجرا می‌شود: ادراک، برنامه‌ریزی، کنترل و سیاست‌های یادگیرنده. مهندس شبیه‌سازی نسخهٔ مجازی ربات و دنیایش را می‌سازد و نگه می‌دارد؛ مثلاً در Humanoid مالک مدل‌های URDF و خط لولهٔ CAD به URDF به شبیه‌سازی است. هر دو با شکاف شبیه‌سازی و واقعیت درگیرند، اما از دو طرف: Field AI از مهندس شبیه‌سازی می‌خواهد «فراتر از اجرای شبیه‌ساز» برود و خود ابزار را بهتر کند، و آگهی‌های رباتیک تجربه با ربات واقعی را جدی‌تر می‌خواهند.
عنوان Simulation Engineer در صنعت مکانیک و هوافضا معنای دیگری هم دارد: مدل‌سازی رفتار فیزیکی خود وسیله برای تصمیم طراحی، با FEA، CFD، دینامیک ۶ درجه آزادی و MATLAB/Simulink. Simulation Engineer در Helsing و Modeling & Simulation در Anduril از این نوع‌اند و Zipline هم‌زمان Senior Mechanical Simulation Engineer و Simulation Software Engineer دارد. این صفحه دربارهٔ نوع دوم است: شبیه‌سازی به‌عنوان نرم‌افزاری برای آموزش و آزمودن نرم‌افزار خودکار. پیشینهٔ CAE در دینامیک و اعتبارسنجی مدل به کار می‌آید، اما برای این نقش باید مهندسی نرم‌افزار C++ و Python را هم در سطح حرفه‌ای داشته باشید.
تأثیر در صنایع مختلف
مهندس شبیه‌سازی (رباتیک و خودران) در همه صنایع مشغول به کار است — نه فقط شرکت‌های فناوری
رانندگی خودران
Waymo در آگهی‌هایش می‌نویسد بیش از ۱۰۰ میلیون مایل در جاده‌های عمومی و «ده‌ها میلیارد» مایل در شبیه‌سازی رانندگی کرده است. Wayve می‌گوید چون پشتهٔ رانندگی‌اش end-to-end است، شبیه‌سازی هم باید کل مسیر از دادهٔ حسگر تا کنترل و دینامیک خودرو را بازسازی کند.
کامیون و لجستیک خودران
Waabi شبیه‌سازی را «هستهٔ» رویکرد خود می‌داند و شبیه‌ساز closed-loop خود، Waabi World، را برای آموزش و ارزیابی سیستم خودران ساخته است. Torc و Kodiak هم نقش‌هایی با عنوان شبیه‌سازی دارند.
ربات‌های انسان‌نما
1X ربات‌های تازه را پیش از ساخت به‌صورت مجازی نمونه‌سازی می‌کند، Humanoid می‌نویسد ربات را پیش از ساخت سخت‌افزار در شبیه‌سازی طراحی می‌کند، و Apptronik از مهندس می‌خواهد خط لوله‌ای بسازد که روزانه میلیون‌ها ساعت تجربه تولید کند.
پهپاد و تحویل هوایی
Zipline محیط آزمون مجازی جدا از سخت‌افزار می‌سازد تا منطق ایمنی پرواز به‌صورت قطعی و سریع‌تر از زمان واقعی آزموده شود. شبیه‌ساز Skydio هم به گفتهٔ خود شرکت هر روز هم به دست مشتریان و هم مهندسان autonomy به کار می‌رود.
دفاع
Helsing شبیه‌سازی را راه کم کردن ریسک پیش از ساخت و پرواز می‌داند و Shield AI چارچوب‌هایی می‌سازد که محیط‌های شبیه‌سازی دفاعی را به نرم‌افزار autonomy خود وصل می‌کنند. در بررسی ۲۲ اکتبر ۲۰۲۶، Anduril ۲۷ و Shield AI ۱۵ آگهی باز با واژهٔ simulation در عنوان داشتند.
سازندگان ابزار شبیه‌سازی
Applied Intuition به خودروسازی، دفاع، کامیون‌رانی، ساخت‌وساز، معدن و کشاورزی ابزار، زیرساخت و نرم‌افزار autonomy می‌فروشد، محصولات شبیه‌سازی از محصولات اصلی آن است و به گفتهٔ خودش ۱۸ خودروساز از ۲۰ خودروساز بزرگ جهان به راه‌حل‌هایش اعتماد کرده‌اند. NVIDIA شبیه‌ساز Isaac Sim را عرضه می‌کند و Genesis AI شبیه‌ساز متن‌باز Genesis-World را در مرکز راهبرد خود گذاشته است.
رباتیک میدانی
Field AI برای ربات‌های پادار و انسان‌نما در محیط‌های بی‌ساختار، شبیه‌سازی را بخشی از چرخهٔ توسعه کرده است: بازتولید خطاهای میدانی، بهبود autonomy و اعتبارسنجی رفتار پیش از برگشت به میدان.
هوافضا
SpaceX در همان بررسی ۱۴ آگهی باز با simulation در عنوان داشت، از Software Engineer, Simulation تا Simulation Software Engineer (Vehicle Engineering)، و Hermeus نقش Senior Software Simulation Engineer دارد.
تصورات غلط رایج
قبل از تصمیم‌گیری، این باورهای اشتباه را بشناسید
مهندس شبیه‌سازی یعنی کار با Ansys و تحلیل المان محدود.
این عنوان دو شغل متفاوت را می‌پوشاند. صفحهٔ Simulation Engineer در Glassdoor آمریکا میانگین حقوق پایهٔ ۱۱۱ هزار دلار نشان می‌دهد و شرکت‌های پرتکرارش Ford، Chevron و Caterpillar هستند؛ در انگلستان میانگین ۳۹ هزار پوند است، با JLR و McLaren. این‌ها بیشتر شبیه‌سازی مکانیکی و صنعتی‌اند. نقش‌های این صفحه نرم‌افزاری‌اند و بیشتر آگهی‌های این صفحه بازهٔ بالاتری اعلام کرده‌اند، مثلاً ۲۰۰ تا ۳۰۰ هزار دلار در 1X و ۱۸۰ تا ۲۲۰ هزار دلار در Zipline، و به همین دلیل ارقام Glassdoor در جدول حقوق این صفحه نیامده است.
شبیه‌سازی قرار است جای آزمایش واقعی را بگیرد.
آگهی Helsing صریح است: به مدلی که هرگز با واقعیت مقایسه نشده اعتماد نمی‌کنند و شبیه‌ساز باید جای خود را در میدان آزمایش «به دست بیاورد، نه اینکه جای آن را بگیرد». 1X از مهندس می‌خواهد دقت را با اندازه‌گیری روی ربات واقعی بسنجد، نه با شبیه‌سازی‌ای که فقط درست به نظر می‌رسد.
بدون سابقهٔ رباتیک نمی‌شود وارد این کار شد.
Skydio می‌نویسد سابقهٔ رباتیک لازم نیست، اما کنجکاوی دربارهٔ سیستم‌های فیزیکی ضروری است، و Humanoid هم تجربهٔ رباتیک را الزامی نمی‌داند و فقط انتظار دارد سریع یاد بگیرید. Wayve تجربه در «سیستم‌های پیچیدهٔ مشابه» را هم می‌پذیرد. در مقابل، Apptronik درک سینماتیک، دینامیک و شناسایی سیستم را شرط گذاشته است.
این کار همان بازی‌سازی است.
تجربهٔ موتور بازی واقعاً ارزش دارد: Humanoid آن را جایگزین تجربهٔ شبیه‌ساز فیزیک می‌پذیرد و Applied Intuition دنبال کسی است که بازنمایی دنیا را در یک موتور بازی ساخته باشد. اما معیار سنجش فرق دارد. Zipline می‌نویسد این نقش «مهندسی نرم‌افزار عمیق در سطح سیستم» است و Skydio، Waabi و Wayve قطعیت، درستی و تکرارپذیری را می‌خواهند، نه فقط تصویر زیبا.
با آمدن world modelها، مهندس شبیه‌سازی فقط مدل مولد آموزش می‌دهد.
هر دو مسیر وجود دارد. Machine Learning Engineer, Simulation در Waymo world model چندوجهی آموزش می‌دهد و Zoox با ML دادهٔ حسگر شبیه‌سازی‌شده را واقعی‌تر می‌کند. اما Wayve دربارهٔ نقش Software Engineer, Simulation در Sunnyvale می‌نویسد کار این مهندس به کار انداختن و تولیدی کردن شبیه‌سازی closed-loop با GAIA است، «نه در درجهٔ اول آموزش مدل‌ها».
یک روز کاری واقعی
در هر سطح روز کاری چه شکلی است؟
جونیور (۰–۲ سال)
بیشتر وقت میان کد چارچوب شبیه‌سازی، تست و لاگ می‌گذرد و کار را مهندسان ارشدتر تعریف می‌کنند. این تصویر از آگهی Engineer I, Simulation Framework در Shield AI و کارآموزی Simulation, Sim to Real در Field AI گرفته شده است.
- ◆نوشتن و کامپایل adapter و plugin به C++ و Python برای اتصال شبیه‌ساز به نرم‌افزار autonomy
- ◆بررسی لاگ، ترافیک شبکه و پیام‌های DDS برای پیدا کردن علت یک خطای یکپارچه‌سازی
- ◆نوشتن تست واحد و تست یکپارچه و به‌روز کردن مستندات
- ◆ساختن یک سناریوی تکرارپذیر از روی یک خطای ثبت‌شده در میدان
- ◆شرکت در code review و دیباگ مشترک با تیم autonomy
میانی (۲–۵ سال)
مالک قابلیت‌های مشخصی در کد شبیه‌ساز هستید و بخش مهمی از روز صرف یافتن علت تفاوت رفتار در شبیه‌ساز و دنیای واقعی می‌شود. این تصویر از آگهی‌های Software Engineer, Simulation در Wayve و Nuro و نقش Simulation & Evaluation در Field AI گرفته شده است.
- ◆پیاده‌سازی یک قابلیت تازه در کد مشترک C++ و Python شبیه‌ساز
- ◆اتصال یک جزء تازهٔ پشتهٔ رانندگی یا ربات به شبیه‌ساز و آزمودن پیکربندی‌های مختلف
- ◆ردگیری یک تفاوت رفتار از میان رابط‌ها، جریان داده، زمان‌بندی و پیکربندی
- ◆پروفایل بار شبیه‌سازی و رفع یک گلوگاه کارایی
- ◆بهبود تست خودکار، مشاهده‌پذیری و تکرارپذیری
ارشد (۵+ سال)
تعیین می‌کنید شبیه‌ساز در کجا باید دقیق باشد و در کجا کافی است سریع باشد، و این تصمیم را با شواهد از دادهٔ واقعی دفاع می‌کنید. این تصویر از آگهی‌های 1X، TRI و Apptronik گرفته شده است.
- ◆طراحی بنچمارک‌ها و مقایسه با ربات واقعی برای اندازه‌گیری خطای sim-to-real
- ◆تصمیم دربارهٔ اینکه کدام اختلاف دقیق مدل شود و کدام با randomization پوشش داده شود
- ◆هماهنگی با تیم‌های autonomy، ML و سخت‌افزار دربارهٔ نیازهای شبیه‌سازی
- ◆بازبینی طراحی و کد و منتورینگ مهندسان دیگر
- ◆ارائهٔ نتیجه‌های شبیه‌سازی و محدودیت‌هایشان به تصمیم‌گیرندگان
مسئولیت‌ها و وظایف
مسئولیت‌های اصلی
وظایف روزانه و مهارت‌های مورد نیاز در این شغل
- ◈ساختن و نگه‌داری محیط‌های شبیه‌سازی برای آموزش و ارزیابی سیاست‌های ربات و پشتهٔ خودران
- ◈بهبود دقت فیزیکی: دینامیک تماس، اصطکاک، مدل محرک‌ها و جرم، با تکیه بر دادهٔ ربات یا وسیلهٔ واقعی
- ◈شبیه‌سازی حسگرها (دوربین، lidar، radar، IMU) با نویز، بایاس، تأخیر و زمان‌بندی واقعی
- ◈اتصال نرم‌افزار واقعی ربات، پرواز یا رانندگی به شبیه‌ساز و تضمین تعامل درست اجزا
- ◈ریشه‌یابی تفاوت رفتار در شبیه‌ساز و دنیای واقعی و تبدیل لاگ‌های میدانی به سناریوی تکرارپذیر
- ◈بهبود کارایی و مقیاس: پروفایل، موازی‌سازی روی GPU و ابر و اجرای هزاران سناریو در CI
- ◈تکرارپذیری و تست: اجرای قطعی، تست درستی فیزیکی و جلوگیری از رگرسیون
- ◈هماهنگی با تیم‌های autonomy، کنترل، ادراک و سخت‌افزار برای تعریف نیازهای شبیه‌سازی
- ◈گزارش روشن نتیجه‌های شبیه‌سازی و محدودیت‌هایش به تصمیم‌گیرندگان
- ◈منتورینگ، طراحی فنی و تعیین جهت یک حوزهٔ شبیه‌سازی در سطح ارشد
مهارت‌های مورد نیاز
مهارت‌های فنی، نرم و حوزه‌ای که یک مهندس شبیه‌سازی (رباتیک و خودران) موفق به آن‌ها نیاز دارد
مهندسی نرم‌افزار سیستم
زبان هستهٔ بیشتر شبیه‌سازها؛ Wayve، Skydio، Nuro، Zipline و Applied Intuition آن را می‌خواهند و Applied Intuition برای یک نقش C++20 در سطح خبره
برای محیط آموزش، ابزار و یکپارچه‌سازی؛ تقریباً همهٔ آگهی‌ها
استدلال دربارهٔ رابط‌ها، جریان داده، زمان‌بندی و حالت‌های شکست؛ Wayve و Field AI
اجرای یکسان با ورودی یکسان تا رگرسیون واقعی از نویز جدا شود؛ 1X، Waabi، Skydio و Zipline
تست‌هایی که درستی فیزیکی را بسنجند و رگرسیون را بگیرند؛ 1X، Apptronik و Zipline
بالا بردن سرعت گام شبیه‌سازی و رندر؛ 1X، Humanoid و Wayve
Zipline آن را امتیاز قوی و Waabi زبان ترجیحی می‌داند
فیزیک، رباتیک و حسگر
تماس، اصطکاک، جرم و محدودیت مفصل؛ Humanoid و 1X
Apptronik و Humanoid (Boston) صریحاً می‌خواهند
نویز، بایاس، تأخیر، افت داده و زمان‌بندی دوربین، lidar، radar و IMU؛ 1X، Skydio و Apptronik
تبدیل اندازه‌گیری‌های ربات واقعی به پارامتر مدل؛ 1X و Apptronik
URDF، SDF، MJCF و USD؛ Field AI، Humanoid و Genesis AI
Skydio و Zipline
برای سنجیدن رفتار در طیف واقعی شرایط؛ Helsing
شبیه‌ساز، یادگیری و مقیاس
MuJoCo، Isaac Sim/Isaac Lab، Gazebo، PyBullet یا Drake؛ Humanoid، 1X، Field AI و Apptronik
کم کردن فاصلهٔ شبیه‌سازی و واقعیت؛ 1X، Humanoid و Field AI
Humanoid، Apptronik و Waymo (برای آموزش closed-loop)
Humanoid خوشه‌های GPU و Apptronik ابر با Ray یا Kubernetes را می‌خواهند
CARLA، Unreal و Unity؛ TRI، Applied Intuition و Field AI
3DGS، NeRF و مدل‌های مولد؛ TRI، Zoox و Waymo
Wayve استفادهٔ سنجیده از coding assistant را می‌خواهد و Applied Intuition از Cursor، Claude Code و GitHub Copilot نام برده است
نقشه راه و مسیر آموزشی
نقشه راه تبدیل شدن به مهندس شبیه‌سازی (رباتیک و خودران)
این مسیر گام به گام شما را از صفر تا حرفه‌ای هدایت می‌کند.
پایه‌ها: C++ مدرن، Python و لینوکس
تقریباً همهٔ آگهی‌ها C++ و Python می‌خواهند. Wayve عمق در یکی و توان کار مؤثر با دیگری را شرط گذاشته، Zipline چهار سال تجربهٔ C++ یا Rust می‌خواهد و حتی نقش تازه‌کار Shield AI آشنایی با محیط لینوکس، کامپایل نرم‌افزار، Git و تست خودکار را لازم دانسته است. شبیه‌ساز نرم‌افزاری بزرگ و زمان‌مند است، پس از همین ابتدا تست نوشتن و دیباگ کردن را جدی بگیرید.
ریاضی و فیزیک شبیه‌سازی
Apptronik درک سینماتیک، دینامیک، کنترل و شناسایی سیستم را می‌خواهد و Zipline آشنایی با مدل‌سازی فیزیکی، سینماتیک و دینامیک را. Helsing از مهندس شبیه‌سازی می‌خواهد آن‌قدر فیزیک بداند که تشخیص دهد یک مدل کجا ساده‌سازی معقول است و کجا نیست، و با روش Monte Carlo و تحلیل حساسیت کار کند. جبر خطی، دینامیک اجسام صلب و انتگرال‌گیری عددی پایهٔ هر موتور فیزیک است.
شبیه‌سازهای ربات: MuJoCo، Isaac Sim و ROS 2
Humanoid تجربهٔ عمیق دست‌کم با یکی از Isaac Sim/Isaac Lab، MuJoCo، PyBullet یا Drake می‌خواهد و Field AI فهرست Isaac Sim، Gazebo، MuJoCo، Unity و Unreal را آورده و آشنایی با ROS 2 و فایل‌های ربات مثل URDF و SDF را هم می‌خواهد. MuJoCo را با مدل‌های آماده شروع کنید، بعد یک ربات را در Isaac Sim وارد کنید؛ مستندات Isaac Sim می‌گوید ربات و صحنه را از URDF، MJCF یا USD وارد می‌کند و با PhysX یا Newton شبیه‌سازی می‌کند.
شبیه‌سازی برای یادگیری و انتقال به واقعیت
Humanoid از مهندس شبیه‌سازی می‌خواهد محیط gym با فضای مشاهده، فضای عمل و تابع پاداش طراحی کند و reward hacking را پیدا و رفع کند. 1X تصمیم «مدل کنیم یا تصادفی‌سازی کنیم» را بخشی از کار می‌داند. ایدهٔ پایه را از دو مقالهٔ ۲۰۱۷ یاد بگیرید: Tobin و همکاران با تصادفی کردن رندر، آشکارسازی ساختند که فقط با تصویر شبیه‌ساز به دقت ۱٫۵ سانتی‌متر رسید، و Peng و همکاران با تصادفی کردن دینامیک، سیاستی ساختند که روی ربات واقعی عملکردی مشابه شبیه‌ساز داشت. شبیه‌سازی موازی روی GPU را هم بشناسید: مقالهٔ Isaac Gym بهبود دو تا سه مرتبهٔ بزرگی در زمان آموزش نسبت به شبیه‌ساز مبتنی بر CPU گزارش کرد.
خودران و پهپاد: حسگر، سناریو، ارزیابی و مقیاس
TRI برای Senior Simulation Engineer تجربه با CARLA، Applied Intuition یا Nvidia DriveSim، Unreal Engine و بازسازی سه‌بعدی با Gaussian Splatting یا NeRF می‌خواهد. Zoox با ML واقع‌نمایی lidar، radar و دوربینِ شبیه‌سازی‌شده را بالا می‌برد و Zipline شبیه‌سازی را از دیباگ یک پهپاد تا آزمودن کل ناوگان در هزاران سناریو داخل CI مقیاس می‌دهد. Apptronik هم اجرای شبیه‌سازی موازی روی ابر با Ray یا Kubernetes را می‌خواهد. این مرحله پایانی ندارد، چون ابزارها هر سال عوض می‌شوند.
ابزارها و استک فنی
ابزارهایی که هر مهندس AI باید بشناسد، دسته‌بندی‌شده بر اساس اولویت
شبیه‌سازهای فیزیک ربات
موتور فیزیک متن‌باز (Apache 2.0) که از ۲۰۲۱ در اختیار Google DeepMind است؛ 1X، Humanoid، Apptronik و Field AI آن را در آگهی آورده‌اند
شبیه‌ساز NVIDIA برای ربات با حسگر RTX و تولید دادهٔ مصنوعی؛ Isaac Lab چارچوب یادگیری ربات روی آن است. Humanoid، Apptronik و Field AI از آن نام برده‌اند
شبیه‌ساز متن‌باز رباتیک (Apache 2.0)؛ Field AI، Humanoid و Applied Intuition آن را نام برده‌اند
جعبه‌ابزار C++/Python برای دینامیک، شبیه‌سازی و کنترل که در MIT CSAIL شروع شد و توسعهٔ اصلی‌اش با TRI است؛ Humanoid آن را کنار PyBullet آورده است
شبیه‌سازی خودران و موتور بازی
شبیه‌ساز متن‌باز رانندگی خودران (مجوز MIT) بر پایهٔ Unreal Engine؛ TRI آن را در کنار Applied Intuition و DriveSim آورده است
موتور بازی که TRI تجربه با آن را شرط گذاشته و Applied Intuition برای نقش‌های شبیه‌سازی امتیاز می‌داند
موتور بازی دیگری که Humanoid، Field AI و Applied Intuition در فهرست تجربه‌های پذیرفتنی آورده‌اند
رباتیک، قالب صحنه و محیط آموزش
میان‌افزار رباتیک؛ Field AI آشنایی با ROS 2، حسگرها، transformها، لاگ و زمان‌بندی را می‌خواهد و Isaac Sim برای اعتبارسنجی پشتهٔ ربات به آن وصل می‌شود
قالب توصیف صحنهٔ سه‌بعدی که Pixar برای تولید فیلم ساخت؛ Isaac Sim صحنه را از USD وارد می‌کند و Newton از آن پشتیبانی می‌کند. Field AI و Genesis AI آن را در آگهی آورده‌اند
زیرساخت، کارایی و مقیاس
برای اجرای تکرارپذیر شبیه‌ساز در هر ماشین؛ Field AI و Waabi آن را نام برده‌اند و Isaac Sim نسخهٔ container دارد
مسیر پیشرفت شغلی
از جونیور تا Staff Engineer — چه مهارت‌هایی نیاز دارید و چه درآمدی انتظار داشته باشید
مهندس شبیه‌سازی تازه‌کار (Engineer I)
۰ تا ۲ سال
~$95K
میانگین سالانه (آمریکا)
نوشتن adapter، plugin و تست برای چارچوب شبیه‌سازی زیر نظر مهندسان ارشد و پیدا کردن علت خطاها از روی لاگ. آگهی Engineer I در Shield AI صریحاً برای «مهندس تازه‌کار» است و تجربهٔ C++ و Python از راه درس، کارآموزی یا پروژهٔ شخصی را کافی می‌داند. کارآموزی هم راه ورود است: Field AI کارآموزی ۱۲ هفته‌ای Simulation, Sim to Real دارد.
مهندس شبیه‌سازی / Software Engineer, Simulation
۲ تا ۵ سال
~$200K
میانگین سالانه (آمریکا)
پیاده‌سازی قابلیت‌های مشخص در کد شبیه‌ساز، اتصال اجزای پشتهٔ خودران یا ربات به آن و ریشه‌یابی تفاوت رفتار در شبیه‌ساز و دنیای واقعی. Nuro برای این کار ۳+ سال، Zipline ۴+ سال و Humanoid ۳+ سال تجربه در ساختن محیط شبیه‌سازی می‌خواهند.
مهندس ارشد شبیه‌سازی
۵+ سال
~$250K
میانگین سالانه (آمریکا)
مالکیت دقت فیزیکی یا یک بخش کامل از سکوی شبیه‌سازی: تعیین اینکه چه چیزی دقیق مدل شود و چه چیزی تصادفی، ساختن بنچمارک خطای sim-to-real و هماهنگی با تیم‌هایی که به شبیه‌ساز تکیه دارند. 1X برای این سطح ۵+ سال یا مدرک تکمیلی با تجربهٔ معادل می‌خواهد و TRI برای Senior Simulation Engineer ۱۰+ سال.
Staff / Principal
۵ تا ۱۰+ سال
معماری سکوی شبیه‌سازی کل شرکت و ابزارهایی که تیم‌های دیگر هر روز با آن کار می‌کنند. شرط تجربه در آگهی‌ها پراکنده است: Waymo برای Staff Software Engineer, Simulator Platform ۵+ سال می‌خواهد و 1X برای Principal Tools Engineer, Simulation ۶+ سال در سطح Senior و ۱۰+ سال در سطح Staff.
چالش‌ها و جنبه‌های منفی
واقعیت‌هایی که کمتر در آگهی‌های شغلی می‌بینید — قبل از ورود بدانید
فاصلهٔ شبیه‌سازی با واقعیت
عمومیسیاستی که در شبیه‌ساز کار می‌کند ممکن است روی ربات شکست بخورد. 1X از مهندس می‌خواهد این فاصله را با بنچمارک و مقایسه با ربات واقعی اندازه بگیرد، Humanoid با تنظیم پارامترهای فیزیک و کیفیت مدل‌های سه‌بعدی آن را کم می‌کند و Field AI خطاهای میدانی را به سناریوی شبیه‌سازی برمی‌گرداند.
بده‌بستان دقت و سرعت
عمومیشبیهساز دقیق‌تر کندتر است و شبیه‌ساز کند آموزش را گران می‌کند. Apptronik سکویی می‌خواهد که هم برای آموزش RL سریع باشد، هم برای اعتبارسنجی کنترل دقیق و هم برای کار روزانهٔ تیم پایدار؛ 1X صریحاً از استدلال دربارهٔ بده‌بستان دقت و سرعت حرف می‌زند.
تکرارپذیری و دیباگ
استارتاپاگر شبیه‌ساز با ورودی یکسان نتیجهٔ یکسان ندهد، هیچ رگرسیونی قابل اعتماد نیست. Genesis AI در آگهی خود می‌نویسد دیباگ یک آزمایش شکست‌خورده هنگام ارزیابی سیاست ۳۰ دقیقه طول می‌کشد و هدفش این است که هر خطا به اسکریپت بازتولید مستقل تبدیل شود.
اعتبار مدل
شرکت بزرگشبیهسازیای که درست به نظر می‌رسد لزوماً درست نیست. Helsing «اعتبار مدل» را یک خروجی اصلی کار می‌داند و از مهندس می‌خواهد صادقانه بگوید مدل کجا قابل اعتماد است و کجا نیست، و نتیجه را به‌صورت احتمالاتی گزارش کند نه به‌صورت یک عدد.
بازار ارشدمحور
عمومیبیشتر آگهی‌ها چند سال تجربه می‌خواهند: 1X، Apptronik، Waabi و Waymo ۵+ سال و TRI ۱۰+ سال. نقطه‌های ورود کم‌اند: Engineer I در Shield AI، نقش ۲+ سال Applied Intuition و کارآموزی‌هایی مثل Field AI و Waymo. برای همین نمونه‌کار مستند اهمیت زیادی دارد.
شرط شهروندی در نقش‌های دفاعی
شرکت بزرگبخش بزرگی از آگهی‌های شبیه‌سازی در شرکت‌های دفاعی است و بعضی شرط سخت دارند: نقش تازه‌کار Shield AI شهروندی آمریکا و امکان گرفتن مجوز امنیتی SECRET را لازم می‌داند و نقش‌های شبیه‌سازی Applied Intuition در Ann Arbor هم شهروندی آمریکا می‌خواهند.
سخت بودن «فروش» شبیه‌سازی
استارتاپهمه به شبیه‌ساز اعتماد ندارند. Genesis AI می‌نویسد بیرون از چند موفقیت، مثل RL برای راه رفتن ربات، بیشتر تیم‌ها شبیه‌سازی را کنار می‌گذارند و دلیل اصلی را سختی استفاده و دیباگ می‌داند. بخشی از کار مهندس شبیه‌سازی جلب اعتماد تیم‌های دیگر با ابزار خوب و نتیجهٔ قابل اعتماد است.
حقوق و بازار کار جهانی
حقوق جهانی مهندس شبیه‌سازی (رباتیک و خودران)
حقوق سالانه در کشورهای مختلف بر اساس داده‌های منتشرشده؛ منبع هر ردیف با آیکون کنار نام کشور باز می‌شود.
* ارقام سالانه‌اند. منبع هر رقم:
- Shield AI posting, Engineer I, Simulation Framework (Washington, D.C. / San Diego), posted Oct 7, 2026: early-career (L1) base range; median = midpoint
- Zipline posting, Simulation Software Engineer (South San Francisco / Ann Arbor), posted Jul 13, 2026: starting cash range, 4+ years required; median = midpoint
- 1X posting, Simulation Engineer - Physics Modeling (San Carlos, CA), posted Jun 17, 2026: salary range, 5+ years required; median = midpoint
- levels.fyi, updated Oct 23, 2026, proxy 'Software Engineer' (all focus areas), total comp (47,844 salaries): 25th–75th pct; median
- levels.fyi, updated Oct 23, 2026, proxy 'Software Engineer' (all focus areas), total comp (5,467 salaries): 25th–75th pct; median
- levels.fyi, updated Oct 23, 2026, proxy 'Software Engineer' (all focus areas), total comp (4,870 salaries): 25th–75th pct; median
- levels.fyi, updated Oct 23, 2026, proxy 'Software Engineer' (all focus areas), total comp (2,994 salaries): 25th–75th pct; median
- levels.fyi, updated Oct 23, 2026, proxy 'Software Engineer' (all focus areas), total comp (1,438 salaries): 25th–75th pct; median
- levels.fyi, updated Oct 23, 2026, proxy 'Software Engineer' (all focus areas), total comp (632 salaries): 25th–75th pct; median
- levels.fyi, updated Oct 23, 2026, proxy 'Software Engineer' (all focus areas), total comp (1,619 salaries): 25th–75th pct; median
- levels.fyi, updated Oct 23, 2026, proxy 'Software Engineer' (all focus areas), total comp (1,357 salaries): 25th–75th pct; median
- levels.fyi, updated Oct 23, 2026, proxy 'Software Engineer' (all focus areas), total comp (21,980 salaries): 25th–75th pct; median
- levels.fyi, updated Oct 23, 2026, proxy 'Software Engineer' (all focus areas), total comp (282 salaries): 25th–75th pct; median
چگونه از صفر شروع کنیم
برنامه گام‌به‌گام برای ورود به مهندسی هوش مصنوعی
ماه ۱: MuJoCo و ساختار یک شبیه‌ساز
بخش Overview مستندات MuJoCo را بخوانید، چند مدل از MuJoCo Menagerie را اجرا کنید و یک مدل MJCF ساده از یک بازو بنویسید. گام زمانی و تنظیمات تماس را تغییر دهید و اثرش را ببینید.
ماه ۲: محیط سفارشی و RL
یک محیط Gymnasium برای همان بازو بسازید و با واحدهای اول دورهٔ Deep RL هاگینگ‌فیس یک سیاست PPO آموزش دهید. پروژهٔ اول پورتفولیو از همین‌جا شروع می‌شود.
ماه ۳: Isaac Sim، Isaac Lab و ROS 2
Isaac Sim را نصب کنید، یک ربات را از URDF وارد کنید و یکی از مثال‌های Isaac Lab را اجرا و تغییر دهید. آموزش‌های مبتدی ROS 2 را هم تمام کنید.
ماه ۴: sim-to-real در مقیاس کوچک
پروژهٔ شناسایی سیستم را انجام دهید: یک سیستم فیزیکی ساده را اندازه بگیرید و شبیه‌ساز را با آن هم‌خوان کنید. مقاله‌های Tobin و Peng را بخوانید و یک نسخهٔ ساده از randomization را روی محیط خودتان امتحان کنید.
ماه ۵: حسگر، تکرارپذیری و تست
مدل حسگر با نویز و تأخیر را بسازید، شبیه‌سازی را در Docker بسته‌بندی کنید و تستی بنویسید که قطعیت نتیجه را بسنجد.
ماه ۶: پورتفولیو و درخواست کار
سه پروژه را با README، نمودار و توضیح شکست‌ها منتشر کنید. برای عنوان‌های Simulation Engineer، Software Engineer, Simulation و کارآموزی‌های شبیه‌سازی درخواست بفرستید.
پروژه‌های پیشنهادی برای رزومه
محیط gym برای یک بازوی ربات در MuJoCo
مبتدییک بازوی ربات را از MuJoCo Menagerie بردارید و برای کاری مثل هل دادن یا برداشتن جسم، محیط Gymnasium با فضای مشاهده، فضای عمل و تابع پاداش بسازید. سیاستی با PPO آموزش دهید و دست‌کم یک مورد reward hacking را پیدا، مستند و رفع کنید. این دقیقاً کاری است که Humanoid از Simulation Engineer می‌خواهد.
شناسایی سیستم: هم‌خوان کردن شبیه‌ساز با یک سیستم واقعی
متوسطیک آونگ، موتور سروو یا هر سیستم فیزیکی ساده را اندازه بگیرید (مثلاً با ویدیو یا encoder)، همان را در MuJoCo مدل کنید و جرم، اصطکاک و میرایی را طوری برازش دهید که منحنی شبیه‌سازی بر دادهٔ واقعی منطبق شود. خطای پیش و پس از تنظیم را گزارش کنید. 1X تبدیل پارامترهای اندازه‌گیری‌شده به مدل شبیه‌سازی را امتیاز می‌داند.
مدل حسگر با نویز، بایاس، تأخیر و افت داده
متوسطبرای یک IMU یا دوربین شبیه‌سازی‌شده در Isaac Sim یا MuJoCo لایه‌ای بنویسید که نویز، بایاس، تأخیر و افت نمونه اضافه کند و نشان دهید هر کدام چه اثری بر یک کنترل‌کننده یا تخمین‌گر ساده دارد. 1X مدل‌سازی همین خطاها را شرط گذاشته و Skydio شبیه‌سازی دوربین و IMU با زمان‌بندی و نویز را بخشی از کار می‌داند.
ارزیابی closed-loop با سناریو در CARLA
پیشرفتهبا ScenarioRunner چند سناریوی شهری تعریف کنید، یک رانندهٔ خودکار ساده یا آماده را در آن‌ها اجرا کنید و معیارهایی مثل برخورد، خروج از مسیر و زمان رسیدن را ثبت کنید. نشان دهید با seed یکسان نتیجهٔ یکسان می‌گیرید. TRI ساختن چارچوب ثبت داده و معیارهای ارزیابی closed-loop را بخشی از کار می‌داند.
اجرای موازی و تست رگرسیون شبیه‌سازی در CI
پیشرفتهشبیهسازی یکی از پروژه‌های قبلی را در Docker بسته‌بندی کنید، صدها اجرا را موازی روی چند هسته یا ماشین با Ray پخش کنید و در GitHub Actions تستی بگذارید که اگر نتیجه با ورودی یکسان تغییر کرد، شکست بخورد. Zipline تست ناوگان در هزاران سناریو داخل CI را می‌خواهد و Field AI تست رگرسیون، بازپخش لاگ و اجرای قطعی (deterministic replay) را.
مثال‌های واقعی و Case Studies
داستان‌های واقعی از مهندسانی که در این حوزه تأثیرگذار بوده‌اند
طبق ویکی‌پدیا، Todorov دانشیار و مدیر Movement Control Laboratory در دانشگاه واشنگتن است. کارشناسی را در ۱۹۹۳ از West Virginia Wesleyan College و دکترا را در ۱۹۹۸ از MIT زیر نظر Michael Jordan و Whitman Richards گرفت و در ۲۰۰۴ بورس Sloan در علوم اعصاب را دریافت کرد.
ویکی‌پدیا او را توسعه‌دهندهٔ اصلی موتور فیزیک MuJoCo معرفی می‌کند؛ موتوری که امروز در آگهی‌های شبیه‌سازی 1X، Humanoid، Apptronik و Field AI نام برده می‌شود.
MuJoCo از یک آزمایشگاه کنترل حرکت بیرون آمد، نه از یک شرکت نرم‌افزاری. به نظر می‌رسد ابزارهایی که ماندگار می‌شوند را کسانی می‌سازند که خودشان به‌شدت به آن نیاز داشتند و فیزیک مسئله را عمیق می‌شناختند.
طبق ویکی‌پدیا، Coumans نویسندهٔ اصلی Bullet است، موتور فیزیک متن‌بازی که برخورد و دینامیک اجسام صلب و نرم را شبیه‌سازی می‌کند. او در Sony، AMD و Google کار کرده و اکنون در NVIDIA است.
Bullet در بازی‌های ویدیویی و جلوه‌های ویژهٔ فیلم به کار رفته و Coumans برای آن جایزهٔ علمی و فنی آکادمی (Academy Scientific and Technical Award) گرفته است. PyBullet، رابط Python همین موتور، از یادگیری تقویتی و شبیه‌سازی رباتیک پشتیبانی می‌کند.
یک موتور فیزیک واحد از بازی و فیلم به رباتیک و یادگیری ماشین رسید. این مسیر نشان می‌دهد تجربهٔ موتور بازی و گرافیک می‌تواند پلی واقعی به شبیه‌سازی ربات باشد.
طبق ویکی‌پدیا، Koltun از ۲۰۰۵ تا ۲۰۱۳ استادیار دانشگاه Stanford بود، سپس تا ۲۰۲۱ در Intel سمت‌های مختلف داشت و از اوت ۲۰۲۱ دانشمند برجسته (distinguished scientist) در Apple است.
ویکی‌پدیا می‌نویسد او در Intel به ساختن شبیه‌سازهای واقعیت مجازی برای رانندگی شهری خودران، ربات‌ها و پهپادها کمک کرد. CARLA، شبیه‌ساز متن‌باز مبتنی بر Unreal Engine برای آزمودن فناوری خودران، از همین کار بیرون آمد. او همچنین هم‌نویسندهٔ پژوهش Swift است، سیستم پهپاد خودکاری که به عملکرد قهرمانان جهانی انسانی رسید.
CARLA از ابتدا متن‌باز منتشر شد و به ابزاری مشترک برای پژوهش خودران تبدیل شد. ساختن ابزاری که دیگران روی آن کار کنند، گاهی اثری بزرگ‌تر از یک نتیجهٔ پژوهشی تکی دارد.
نمونه آگهی استخدام واقعی + تحلیل
یک آگهی واقعی از شرکت فعال در حال استخدام، با تحلیل هر بخش
Simulation Engineer - Physics Modeling
تحلیل نیازمندی‌ها
Strong programming in Python, C++, or similar languages, with experience building environments or benchmarks using robotics simulators (MuJoCo, PyBullet, Isaac Sim, or equivalent)
کافی نیست شبیه‌ساز را اجرا کرده باشید. باید با آن محیط یا بنچمارک ساخته باشید، یعنی چیزی که دیگران با آن آموزش می‌دهند یا ارزیابی می‌کنند. یک مخزن با محیط، معیار ارزیابی و مستندات بهترین شاهد است.
ضروریDemonstrated experience improving simulation fidelity and closing the sim-to-real gap for behavior that had to work on physical hardware
واژهٔ «Demonstrated» یعنی شاهد می‌خواهند: رفتاری که در شبیه‌ساز درست شد و روی سخت‌افزار واقعی هم کار کرد. اگر به ربات دسترسی ندارید، یک سیستم فیزیکی کوچک و ارزان هم برای نشان دادن روش کافی است.
ضروریExperience modeling sensors and their failure modes in simulation, including noise, bias, latency, and dropout
سیاستی که فقط دادهٔ تمیز دیده، با حسگر واقعی شکست می‌خورد. باید بتوانید نویز، بایاس، تأخیر و افت نمونه را مدل کنید و اثر هر کدام را بسنجید.
ضروریExperience improving the performance of physics simulators or rendering pipelines
سرعت شبیه‌ساز مستقیماً هزینه و سرعت آموزش را تعیین می‌کند. پروفایل کردن، پیدا کردن گلوگاه و بهینه‌سازی فیزیک یا رندر جزو شرط‌های پایه است، نه امتیاز.
ضروریStrong testing practices for simulation stacks used in robot learning, including tests that verify physical correctness and catch regressions
تیم‌های دیگر به این شبیه‌ساز تکیه می‌کنند. تست‌هایی که درستی فیزیکی را بسنجند، مثلاً پایستگی انرژی یا رفتار یک آزمایش شناخته‌شده، و رگرسیون را بگیرند بخشی از کار است.
ضروری5+ years of relevant industry experience, or an advanced degree plus equivalent hands-on experience
این نقطهٔ ورود نیست. مدرک ارشد یا دکترا همراه با تجربهٔ عملی معادل هم پذیرفته می‌شود، پس پژوهش دانشگاهی در شبیه‌سازی یا رباتیک می‌تواند بخشی از این سابقه را بپوشاند.
ضروریExperience with system identification on real hardware, and with turning measured parameters into simulation models
شناسایی سیستم یعنی اندازه‌گیری رفتار ربات واقعی و برازش پارامترهایی مثل اصطکاک، میرایی و ویژگی محرک‌ها. پیشینهٔ مهندسی مکانیک یا کنترل اینجا مزیت جدی است.
مهمExperience with procedural environment generation or other techniques for scaling diverse simulation data production
به جای ساختن دستی هر صحنه، صحنه‌ها با برنامه و قاعده ساخته می‌شوند تا تنوع داده بالا برود. تجربهٔ تولید رویه‌ای در بازی‌سازی هم اینجا به کار می‌آید.
مفیدFamiliarity with differentiable simulation, learned or neural simulators, or GPU-accelerated physics such as Warp or JAX-based frameworks
این نشان می‌دهد جهت کار به کجا می‌رود: فیزیک روی GPU، شبیه‌سازی مشتق‌پذیر و شبیه‌سازهای یادگرفته‌شده. آشنایی با Warp یا JAX شما را از دیگر متقاضیان جدا می‌کند.
مفیدBackground in legged locomotion, dexterous manipulation, or contact-rich and deformable-body simulation
سخت‌ترین بخش‌های شبیه‌سازی ربات انسان‌نما همین‌هاست: راه رفتن، دست ماهر و تماس با اجسام نرم. پروژه‌ای در یکی از این‌ها نشان می‌دهد با مسئلهٔ اصلی شرکت آشنا هستید.
مفیدتحلیل مسئولیت‌ها
Physical Accuracy: Improve contact dynamics, articulated body models, and actuator and transmission fidelity, driven by system identification data from real hardware and kept current as hardware changes.
مدل فیزیکی یک بار ساخته نمی‌شود. هر بار سخت‌افزار عوض شود، مدل هم باید با دادهٔ تازه به‌روز شود، پس بخشی از کار نگه‌داری مداوم است.
Compliant and Deformable Bodies: Model soft contact and structural compliance where rigid-body assumptions break down, so grasping and contact-rich behavior transfers instead of only working in simulation.
بیشتر موتورهای فیزیک بر فرض جسم صلب ساخته شده‌اند. جایی که دست ربات چیزی را می‌گیرد، این فرض می‌شکند و باید تماس نرم را مدل کنید.
Sensing Realism: Model the sensing path as it actually behaves - noise, bias, dropout, latency, and sample timing - so a policy sees in simulation what it will see on the robot.
هدف این است که سیاست در شبیه‌ساز همان چیزی را ببیند که روی ربات می‌بیند، با همهٔ عیب‌هایش. زمان‌بندی نمونه‌ها به اندازهٔ خود مقدارها مهم است.
Measuring the Gap: Establish the benchmarks and real-robot comparisons that quantify sim-to-real error, so fidelity work is driven by evidence rather than intuition.
بدون عدد نمی‌شود گفت شبیه‌ساز بهتر شده. باید معیار و آزمایش مقایسه‌ای با ربات واقعی تعریف کنید و کار را با آن جلو ببرید.
Randomize or Model: Decide which discrepancies to model faithfully and which to randomize over, with ranges grounded in the spread measured across the real fleet.
دو راه برای پوشاندن اختلاف هست: مدل دقیق یا تصادفی‌سازی. دامنهٔ تصادفی‌سازی باید از اندازه‌گیری روی ربات‌های واقعی بیاید، نه از حدس.
Determinism and Reproducibility: Make runs reproducible given the same inputs, so a regression is a real regression and any failure can be replayed and debugged.
اگر دو اجرا با ورودی یکسان نتیجهٔ متفاوت بدهند، نمی‌شود فهمید تغییر کد اثر داشته یا نه. قطعیت پایهٔ اعتماد به هر آزمایش است.
Throughput and Environments: Optimize physics and rendering, and deliver the diverse environments and synthetic data pipelines that feed policy training and evaluation.
در کنار دقت، سرعت و تنوع هم مسئولیت شماست: محیط‌های گوناگون و خط لولهٔ دادهٔ مصنوعی که آموزش و ارزیابی سیاست را تغذیه می‌کنند.
نتیجه‌گیری کلی
این آگهی تصویر روشنی از هستهٔ این شغل می‌دهد: شبیه‌سازی که بشود به نتیجه‌اش اعتماد کرد. فیزیک تماس و محرک‌ها، حسگر با همهٔ عیب‌هایش، اندازه‌گیری فاصله با ربات واقعی، قطعیت و سرعت. شرط ۵+ سال تجربه یا مدرک تکمیلی با تجربهٔ معادل نشان می‌دهد این نقطهٔ ورود نیست؛ حقوق اعلام‌شده ۲۰۰ تا ۳۰۰ هزار دلار در سال به‌علاوهٔ سهام است. برای شروع، Engineer I در Shield AI، نقش‌های ۲+ سال Applied Intuition و کارآموزی‌های شبیه‌سازی در Field AI و Waymo در دسترس‌ترند.
آینده و روندها
پیش‌بینی ۵–۱۰ ساله و مهارت‌هایی که باید یاد بگیرید
ادارهٔ آمار کار آمریکا (BLS) پیش‌بینی می‌کند اشتغال گروه رسمی «توسعه‌دهندگان نرم‌افزار، تحلیلگران تضمین کیفیت و تسترها» از ۲۰۲۵ تا ۲۰۳۵ حدود ۱۰٪ رشد کند، «بسیار سریع‌تر از میانگین همهٔ مشاغل»، با حدود ۱۰۶٬۱۰۰ فرصت شغلی در سال. BLS گروه جداگانه‌ای برای مهندس شبیه‌سازی ندارد؛ این نزدیک‌ترین گروه رسمی است، چون بیشتر آگهی‌های این کار عنوان Software Engineer, Simulation دارند.
منبع: BLS Occupational Outlook Handbook (Software Developers, QA Analysts, and Testers)
مهارت‌های نوظهور که باید یاد بگیرید
پیش‌بینی‌های آینده
به گزارش Future of Jobs ۲۰۲۵ مجمع جهانی اقتصاد (WEF)، ۵۸٪ کارفرمایان انتظار دارند ربات‌ها و سیستم‌های خودمختار تا ۲۰۳۰ کسب‌وکارشان را دگرگون کنند.
در همان گزارش WEF، در فهرست پررشدترین مشاغل ۲۰۲۵ تا ۲۰۳۰ (بر پایهٔ درصد رشد و نظرسنجی از کارفرمایان)، «Software and Applications Developers» چهارم و «Autonomous and Electric Vehicle Specialists» هفتم هستند.
BLS پیش‌بینی می‌کند اشتغال توسعه‌دهندگان نرم‌افزار، تحلیلگران QA و تسترها در آمریکا از ۲۰۲۵ تا ۲۰۳۵ حدود ۱۰٪ رشد کند و هر سال به‌طور میانگین حدود ۱۰۶٬۱۰۰ فرصت شغلی در این گروه پیش بیاید.
بیشتر آگهی‌هایی که برای این صفحه بررسی شد از شرکت‌های خودران، ربات انسان‌نما، پهپاد و دفاع است، و بسیاری از آن‌ها استارتاپ‌اند؛ یعنی بازار به سرنوشت چند صنعت جوان و پرهزینه وابسته است. شیوهٔ کار هم در حال تغییر است: Waymo world model آموزش می‌دهد، Zoox دادهٔ حسگر را با ML واقعی‌تر می‌کند و Applied Intuition نقش‌های Neural Simulation دارد. کسی که فقط موتور فیزیک دستی بلد است، باید با این ابزارهای یادگیرنده هم آشنا شود، اما مهارت‌های پایه، یعنی قطعیت، تست، یکپارچه‌سازی و سنجیدن فاصله با واقعیت، در هر دو نوع شبیه‌ساز لازم‌اند. ریسک دیگر شرط‌های سخت در نقش‌های دفاعی است: بعضی از آن‌ها شهروندی آمریکا و مجوز امنیتی می‌خواهند. Genesis AI هم یادآوری می‌کند که بسیاری از تیم‌های رباتیک هنوز از شبیه‌سازی استفاده نمی‌کنند.
منابع
اطلاعات این صفحه در تاریخ ۳۰ مهر ۱۴۰۵ از این ۶۳ منبع بررسی شده است.
- Simulation Engineer - Physics Modeling — 1X (job posting)
- Principal Tools Engineer, Simulation — 1X (job posting)
- Simulation Engineer - Manipulation — Humanoid, London (job posting)
- Robotics Simulation & RL Engineer — Humanoid, Boston (job posting)
- Software Engineer, Simulation — Wayve, London (job posting)
- Software Engineer, Simulation — Wayve, Sunnyvale (job posting)
- Machine Learning Engineer, Simulation — Waymo (job posting)
- Staff Software Engineer, Simulator Platform — Waymo (job posting)
- Simulation Software Engineer — Zipline (job posting)
- Software Engineer - Simulation & Robotics — Skydio, San Mateo (job posting)
- Software Engineer - Simulation & Robotics — Skydio, Zurich (job posting)
- Staff Simulation Engineer - Core Simulation Platform — Apptronik (job posting)
- Senior Simulation Engineer — Toyota Research Institute (job posting)
- Senior Software Engineer, Simulation — Nuro (job posting)
- Machine Learning Engineer - 3D Sensor Simulation — Zoox (job posting)
- Senior Robotics Software Engineer, Simulation & Evaluation — Field AI (job posting)
- Simulation, Sim to Real Intern — Field AI (job posting)
- Senior / Staff Software Engineer, Simulation Platform — Waabi (job posting)
- Engineer I, Simulation Framework — Shield AI (job posting)
- Simulation Engineer — Helsing, London (job posting)
- Software Engineer - Simulation, Game Engine & World Systems — Applied Intuition (job posting)
- Software Engineer - Simulation — Applied Intuition (job posting)
- Genesis-World: Core Simulation Engine Engineer — Genesis AI (job posting)
- Software Engineer - Modeling & Simulation — Anduril (job posting)
- Software Engineer - Neural Simulation — Applied Intuition (job posting)
- 2027 Summer Intern, MS/PhD, Software/ML Engineer, Simulation — Waymo (job posting)
- Staff, Software Engineer - Simulation Vehicle Modeling — Torc Robotics (job posting)
- Senior Software Engineer, Controls (Simulation) — Kodiak (job posting)
- Software Engineer, Simulation — SpaceX (job posting)
- Simulation Software Engineer (Vehicle Engineering) — SpaceX (job posting)
- Senior Software Simulation Engineer — Hermeus (job posting)
- Anduril open jobs — Greenhouse job board API (checked Oct 22, 2026)
- Shield AI open jobs — Lever postings API (checked Oct 22, 2026)
- SpaceX open jobs — Greenhouse job board API (checked Oct 22, 2026)
- levels.fyi — Software Engineer Salary, United States
- levels.fyi — Software Engineer Salary, Canada
- levels.fyi — Software Engineer Salary, United Kingdom
- levels.fyi — Software Engineer Salary, Germany
- levels.fyi — Software Engineer Salary, Netherlands
- levels.fyi — Software Engineer Salary, Switzerland
- levels.fyi — Software Engineer Salary, Australia
- levels.fyi — Software Engineer Salary, Singapore
- levels.fyi — Software Engineer Salary, India
- levels.fyi — Software Engineer Salary, United Arab Emirates
- Glassdoor — Simulation Engineer salaries, United States
- Glassdoor UK — Simulation Engineer salaries
- Glassdoor Canada — Simulation Engineer salaries
- BLS Occupational Outlook Handbook — Software Developers, Quality Assurance Analysts, and Testers
- World Economic Forum — The Future of Jobs Report 2025 (PDF)
- Emanuel Todorov — Wikipedia
- MuJoCo — Wikipedia
- Bullet (software) — Wikipedia
- Vladlen Koltun — Wikipedia
- CARLA: An Open Urban Driving Simulator (arXiv, 2017)
- Isaac Gym: High Performance GPU-Based Physics Simulation For Robot Learning (arXiv, 2021)
- Domain Randomization for Transferring Deep Neural Networks from Simulation to the Real World (arXiv, 2017)
- Sim-to-Real Transfer of Robotic Control with Dynamics Randomization (arXiv, 2017)
- Newton — GPU-accelerated physics engine (GitHub)
- What Is Isaac Sim? — Isaac Sim Documentation
- Isaac Lab Documentation
- MuJoCo Playground
- Genesis World documentation
- Drake: Model-Based Design and Verification for Robotics