ტარდება კვლევა 3D-ის გენერირებაზე, კერძოდ, კონტროლირებად 3D შინაარსის შექმნაზე, მოდელების განვითარებაზე, რომლებიც შექმნიან თანმიმდევრულ, რედაქტირებად და ფიზიკურად გამართულ 3D აქტივებსა და სცენებს. ძირითადი მოვალეობები მოიცავს 3D გენერირებისა და რეკონსტრუქციისთვის flow-matching, diffusion და score-based მეთოდებზე კვლევების ჩატარებას. აგრეთვე, კონტროლირებადი 3D გენერირებისთვის (meshes, Gaussians, NeRFs, voxels, implicit fields) მასშტაბური სასწავლო პიპლაინების დაპროექტებასა და იმპლემენტაციას. განვითარდება ტექნიკები კონტროლისთვის (ტექსტი, ჩანახატი, პოზა, კამერა, ფიზიკა) და მრავალკუთხოვანი თანმიმდევრულობისთვის. აუცილებელია სადოქტორო ხარისხი (ან შესაბამისი გამოცდილება) მანქანურ სწავლებაში, კომპიუტერულ ხედვაში ან კომპიუტერულ გრაფიკაში. საჭიროა გამოქვეყნებული ნაშრომები diffusion, flow-matching ან score-based გენერაციულ მოდელებზე (2D ან 3D). ასევე, ძლიერი საინჟინრო და პრობლემების გადაჭრის უნარები (PyTorch, JAX, ან CUDA-level ოპტიმიზაცია), 3D წარმოდგენების გაგება (meshes, Gaussians, signed-distance fields, volumetric grids, implicit networks). სასურველია გამოცდილება კოჰერენტული 3D სცენების გენერირებაში მრავალი ურთიერთქმედი ობიექტით, განათებითა და სივრცითი განლაგებით. ასევე, უპირატესობა ენიჭება სცენის დონის კონტროლის (ობიექტის განთავსება, კამერის გზა, სიმულაცია ან ტექსტიდან სცენამდე კომპოზიცია) ან ვიდეო-3D, სურათიდან-სცენამდე, ან 4D დროითი გენერაციის ცოდნას. სამუშაო არის დისტანციური. ორგანიზაცია უზრუნველყოფს თანაბარ შესაძლებლობებს დასაქმებაში.