Contratar perfil tech
Embodied AI Researcher / Scientist
Investiga cómo aprenden los robots a actuar en el mundo con aprendizaje por refuerzo, imitación y redes multimodales. Combina publicación científica con prototipos aplicables a robots reales.
Recibe candidatos finalistas, ya validados técnicamente, en las primeras dos semanas según el rol.
Stack habitual
- Aprendizaje por Refuerzo (RL)
- Imitation Learning
- Redes Multimodales
Qué hace
- Diseñar experimentos de aprendizaje por refuerzo e imitación.
- Recoger y preparar datos de demostraciones para entrenar políticas.
- Reproducir y mejorar resultados de artículos recientes con datos propios.
- Documentar resultados y compartirlos en publicaciones o informes internos.
Qué distingue a uno bueno
- Formula hipótesis y las contrasta con experimentos controlados.
- Lee literatura científica con espíritu crítico.
- Conecta investigación con prototipos que funcionen.
El mercado de este perfil
Por qué cuesta contratarlo.
- 1
La investigación en inteligencia artificial encarnada con aprendizaje por refuerzo e imitación se concentra en laboratorios, y los doctores con resultados en robots reales son muy pocos.
- 2
Las empresas de robótica humanoide y los laboratorios extranjeros pagan salarios muy elevados y ofrecen recursos de computación que una empresa normal no puede igualar.
- 3
Un buen currículum académico no garantiza capacidad para llevar un resultado a un producto, y evaluar si el investigador resuelve problemas aplicados exige un revisor con trayectoria en el campo.
Profesionales en España≈ 150
Perfil muy escaso
Se cubre con búsqueda directa, persona a persona. En un momento dado busca cambio 1 de cada 5: unos 30 en todo el país.
Dónde están
- Zona 1 · Madrid y Barcelona35 % · ≈ 50
- Zona 2 · Valencia, País Vasco y Málaga16 % · ≈ 20
- Zona 3 · Sevilla, Zaragoza, Asturias, Alicante y Granada14 % · ≈ 20
- Zona 4 · Resto de provincias35 % · ≈ 50
Candidatos que podríamos presentarte en una búsqueda tipo
- 0 / 3
- Remoto
- 0 / 3
- Zona 1
- 0 / 3
- Zona 2
- 0 / 3
- Zona 3
- 0 / 3
- Zona 4
En cada proceso te presentamos 3 candidatos; donde el mercado es corto no siempre sale la terna completa. Búsqueda tipo: nivel medio, presupuesto en el centro de la banda de mercado y hasta dos tecnologías imprescindibles. Estimación de Tadatic.
¿Necesitas incorporar este perfil? Recibe candidatos finalistas en las primeras dos semanas, según el rol.
Antes de contratar
Cómo evaluarlo.
- CONSEJO 01
Pide analizar críticamente un artículo reciente y su posible aplicación; evalúa profundidad y espíritu crítico.
- CONSEJO 02
Pregunta cuánto tiempo y datos requirió un experimento real; revela experiencia práctica más allá de los resultados publicados.
- CONSEJO 03
Evita medir solo por publicaciones; valora si ha llevado una política hasta un robot físico y qué aprendió.
Cómo validamos perfiles de Robótica Autónoma e IA Física
- Un caso práctico sobre percepción, navegación o control, con datos o un simulador, permite revisar método y comprensión matemática.
- Pedir que explique cómo validó su trabajo en un robot real, y qué diferencias halló con la simulación, revela experiencia.
- Revisar un artículo, un código o un diseño propio permite valorar rigor, reproducibilidad y capacidad de comunicar a perfiles distintos.
Errores frecuentes al contratar
- Confundir capacidad investigadora con capacidad de entregar un sistema que funcione en un robot real.
- Valorar solo experiencia en modelos de IA sin comprobar conocimientos de robótica, sensores, control y seguridad física.
- Esperar que una sola persona domine software, electrónica, mecánica y aprendizaje automático al mismo nivel.
Preguntas frecuentes.
¿Cuánto tardáis en presentar candidatos para un puesto de Embodied AI Researcher / Scientist?
+
Recibes candidatos finalistas en las primeras dos semanas, según el rol, ya validados técnicamente, y puedes lanzar una oferta en cuanto elijas. De media, los candidatos finalistas llegan antes de 15 días.
¿Cuánto cuesta contratar un perfil de Embodied AI Researcher / Scientist con Tadatic?
+
Nuestros honorarios son el 13 % del salario bruto anual del puesto. La validación técnica adicional suma un 2 %. Te damos la cifra cerrada antes de empezar la búsqueda.
¿Cómo validáis técnicamente a un perfil de Embodied AI Researcher / Scientist?
+
Un caso práctico sobre percepción, navegación o control, con datos o un simulador, permite revisar método y comprensión matemática. La IA acelera el rastreo y las primeras fases; la validación técnica y la entrevista final las hacen personas de nuestro equipo. Solo el 5 % de los perfiles llega a presentarse.
¿Es difícil encontrar un perfil de Embodied AI Researcher / Scientist en España?
+
Estimamos que en España hay en torno a 150 profesionales con este perfil y que el 35 % vive en Madrid y Barcelona. En un momento dado solo busca cambio activamente 1 de cada 5, así que el mercado real de una búsqueda es bastante menor. Es un perfil muy escaso: se cubre con búsqueda directa, persona a persona.
¿Qué tecnologías suele dominar un Embodied AI Researcher / Scientist?
+
Lo habitual es Aprendizaje por Refuerzo (RL), Imitation Learning, Redes Multimodales. Ajustamos el stack exacto a tu proyecto al definir el perfil contigo.
Perfiles relacionados.
Todo Robótica Autónoma e IA FísicaWorld Models Engineer
Construye modelos generativos capaces de predecir cómo evolucionará un entorno físico, con arquitecturas como JEPA o similares a modelos de vídeo. Sirven para que los robots anticipen consecuencias antes de actuar.
- Modelos Generativos (JEPA, Sora-like)
- Predicción de Entornos Físicos
- Python
Arquitecto de Simulación y Gemelos Digitales
Diseña entornos virtuales y gemelos digitales para entrenar y probar robots antes de usarlos: NVIDIA Omniverse, Isaac Sim, Unreal, Unity, MuJoCo o Gazebo. Reduce coste y riesgo del desarrollo físico.
- NVIDIA Omniverse
- Isaac Sim
- Unreal Engine
- Unity
Sim-to-Real Transfer Engineer
Reduce la diferencia entre lo que un robot aprende en simulación y lo que hace en el mundo real mediante randomización de dominios y aprendizaje por refuerzo con RLlib y Ray. Hace útiles los entrenamientos virtuales.
- Domain Randomization
- RLlib
- Ray
- C++








