AI Research Scientist

Job Requisition ID #
26WD101116
L'affichage de poste en français suivra / The French job posting follows.
26WD101116, AI Research Scientist
Position Overview
As a Senior Research Scientist in the AI Lab at Autodesk Research, you will conduct fundamental and applied research on Motion Foundation Models: general-purpose models that can represent, generate, edit, understand, and reason about motion. The work will initially focus on human and object motion and will extend toward multimodal and interactive settings involving text, trajectories, images, video, geometry, robot observations/actions, and other signals.
You will work with scientists, researchers, developers, and designers across generative AI, computer vision, graphics, robotics, simulation, manufacturing, architecture, and construction to develop new model architectures, representations, training methods, datasets, and evaluations for motion intelligence.
Autodesk's AI Lab is active in the wider research community, targeting publications at CVPR, NeurIPS, ICML, ICLR, SIGGRAPH, and other top-tier conferences. We collaborate with leading academic and industry labs, combining the best of an academic research environment with product-guided research. This role will report to a Manager of Research Science in the AI Lab.
Responsibilities
Develop new foundation-model approaches for motion generation, editing, understanding, reasoning, and representation
Drive research end-to-end: identify high-value questions, formulate hypotheses, implement ideas, run experiments, analyze failures, iterate, and communicate conclusions
Investigate motion representations and tokenization, generative modeling, multimodal conditioning and alignment, scalable training, post-training, and model refinement
Design rigorous evaluations, benchmarks, ablations, and diagnostics that reveal genuine model progress and failure modes
Build and modify research code, training pipelines, and data pipelines, using modern AI coding agents where useful while maintaining ownership of correctness, reproducibility, and scientific quality
Work toward ambitious long-term goals while defining concrete milestones and maintaining a high pace of empirical iteration
Collaborate across a global research team and with academic and industry partners; publish at top-tier conferences and help transfer successful ideas into Autodesk technologies
Minimum Qualifications
A Master's or PhD in Computer Science, Machine Learning, Computer Vision, Computer Graphics, Robotics, Mathematics, or a related technical field
A consistent track record of research publications demonstrating experience in applied or fundamental research
Deep knowledge of modern generative or foundation-model methods, such as Transformers, diffusion/flow models, latent-variable models, or related architectures
Strong hands-on ability with PyTorch, JAX, or similar frameworks, including building, modifying, debugging, and scaling research training pipelines; effective use of modern AI-assisted development and coding agents
Excellent experimental judgment: ability to turn ambiguous research questions into testable hypotheses, controlled experiments, useful metrics, and clear conclusions
Demonstrated research ownership, persistence, and execution: a track record of pushing difficult technical problems through repeated experimentation to meaningful results
Preferred Qualifications
Research experience in human motion, character animation, motion capture, embodied agents, robotics, or other spatiotemporal modeling problems
Experience with multimodal or foundation models combining motion with text, images, video, geometry, trajectories, actions, or other modalities
Experience with learned motion representations or tokenization (for example VQ/VAE-style methods) and generative methods such as diffusion, flow matching, or autoregressive modeling
Research experience with large-scale video foundation models, including video generation, spatiotemporal representations, multimodal conditioning, and scalable training
Experience with reinforcement learning, post-training, large-scale/distributed training, dataset construction, or evaluation infrastructure
Knowledge of 3D geometry, computer graphics, geometric deep learning, physically grounded modeling, or Autodesk-relevant domains
----------------------------------------------------------------------------------------------------------------------
26WD101116, Chercheur en intelligence artificielle
Aperçu du poste
En tant que chercheur senior au sein du laboratoire d’IA d’Autodesk Research, vous mènerez des recherches fondamentales et appliquées sur les modèles de base du mouvement (Motion Foundation Models) : des modèles polyvalents capables de représenter, générer, modifier, comprendre et raisonner sur le mouvement. Dans un premier temps, vos travaux porteront principalement sur le mouvement des personnes et des objets, puis s’étendront à des contextes multimodaux et interactifs impliquant du texte, des trajectoires, des images, des vidéos, de la géométrie, des observations et actions de robots, ainsi que d’autres signaux.
Vous travaillerez avec des scientifiques, des chercheurs, des développeurs et des concepteurs issus des domaines de l’IA générative, de la vision par ordinateur, du graphisme, de la robotique, de la simulation, de la fabrication, de l’architecture et de la construction afin de développer de nouvelles architectures de modèles, représentations, méthodes d’entraînement, ensembles de données et évaluations pour l’intelligence du mouvement.
Le laboratoire d’IA d’Autodesk est très actif au sein de la communauté scientifique au sens large et vise des publications lors de conférences de premier plan telles que CVPR, NeurIPS, ICML, ICLR, SIGGRAPH et d’autres. Nous collaborons avec des laboratoires universitaires et industriels de premier plan, alliant le meilleur d’un environnement de recherche universitaire à une recherche orientée produit. Ce poste sera rattaché à un responsable de la recherche scientifique au sein du laboratoire d’IA.
Responsabilités
Développer de nouvelles approches de modèles de base pour la génération, l’édition, la compréhension, le raisonnement et la représentation du mouvement
Mener la recherche de bout en bout : identifier des questions à forte valeur ajoutée, formuler des hypothèses, mettre en œuvre des idées, mener des expériences, analyser les échecs, itérer et communiquer les conclusions
Étudier les représentations et la tokenisation du mouvement, la modélisation générative, le conditionnement et l’alignement multimodaux, l’entraînement évolutif, le post-entraînement et le raffinement des modèles
Concevoir des évaluations, des tests comparatifs, des analyses d’ablation et des diagnostics rigoureux qui révèlent les progrès réels des modèles et leurs modes de défaillance
Développer et modifier le code de recherche, les pipelines d’entraînement et les pipelines de données, en utilisant des agents de codage IA modernes lorsque cela s’avère utile, tout en garantissant l’exactitude, la reproductibilité et la qualité scientifique
Travailler à la réalisation d’objectifs ambitieux à long terme tout en définissant des jalons concrets et en maintenant un rythme soutenu d’itération empirique
Collaborer au sein d’une équipe de recherche internationale et avec des partenaires universitaires et industriels ; publier lors de conférences de premier plan et contribuer à transposer les idées fructueuses dans les technologies d’Autodesk
Qualifications minimales
Un master ou un doctorat en informatique, apprentissage automatique, vision par ordinateur, infographie, robotique, mathématiques ou dans un domaine technique connexe
Un parcours solide de publications de recherche démontrant une expérience en recherche appliquée ou fondamentale
Une connaissance approfondie des méthodes modernes de modèles génératifs ou de base, telles que les Transformers, les modèles de diffusion/flux, les modèles à variables latentes ou les architectures connexes
Solides compétences pratiques avec PyTorch, JAX ou des frameworks similaires, notamment pour la création, la modification, le débogage et la mise à l’échelle de pipelines d’entraînement de recherche ; utilisation efficace des outils modernes de développement et de codage assistés par l’IA
Excellent jugement expérimental : capacité à transformer des questions de recherche ambiguës en hypothèses vérifiables, en expériences contr