Algoryx

Har du bred erfarenhet av HR och är nyfiken på teknik? Vill du arbeta nära människor och verksamhet, med stort utrymme att påverka? Nu söker Algoryx en HR-generalist till vårt huvudkontor i Umeå. Algoryx är ett företag inom fysisk AI och fysikbaserad simulering. Vi bygger programvara för att utveckla maskiner och robotar och göra dem autonoma. Vi är ca 45 kollegor och befinner oss i en expansiv fas. 2023 utsågs Algoryx till Årets arbetsgivare på Umeågalan för vårt arbete med delaktighet, engagemang och välmående på arbetsplatsen. De styrkorna vill vi bygga vidare på, samtidigt som ett växande företag ställer nya krav på HR-arbetet. Nu skapar vi en renodlad HR-roll för att stödja vår fortsatta utveckling. Som HR-generalist på Algoryx får du ett brett operativt ansvar och möjlighet att forma hur vi arbetar med HR framöver. Rekrytering blir en viktig del av arbetet från start. Du arbetar nära chefer, medarbetare och ledning och bidrar till en arbetsplats där människor trivs och utvecklas. Vi tror att du: 🔸 Har några års erfarenhet av brett HR-arbete och av att samordna rekryteringar 🔸 Är trygg i svensk arbetsrätt och van att ge stöd till chefer och medarbetare 🔸 Är nyfiken på teknik och trivs med olika kompetenser och perspektiv 🔸 Vill kombinera det dagliga HR-arbetet med att utveckla rutiner och arbetssätt Arbetsort: Umeå Anställningsform: Tillsvidaretjänst på heltid, med sex månaders provanställning Sista ansökningsdag: 30 oktober. Vi går igenom ansökningar löpande. Läs mer och ansök: https://lnkd.in/dZtrRAjc

Kliv in i en nyskapad nyckelroll. Hjälp oss att rekrytera till tekniska roller och forma HR-arbetet i ett växande bolag. Arbetsort: Umeå Sista ansökningsdag: 30 oktober

Combining neural networks with physics-based simulation is essential for developing fully autonomous control of heavy off-road machines. But this technology can also play a key role in assisting human operators in semi-automated operations. Algoryx co-founder and Associate Professor of Physics at Umeå University, Martin Servin, shares two examples of how simulation-trained AI can support route planning in forestry and task planning in earthmoving—with the potential to improve safety and reduce time and energy consumption. Watch the full presentation: https://lnkd.in/dXPkBF7R Presented at “Swedish Futures – Perspectives from Northern Sweden” on 26 May 2026 in Umeå, Sweden. Organised by Kungl. Ingenjörsvetenskapsakademien, IVA and Umeå universitet. Video production by Umeå universitet. Used with permission.

Your control system is only as good as the machine model you test it against. Test controllers and autonomy policies in closed loop against realistic machine dynamics, loads, terrain interaction and actuator response. Explore how Algoryx helps engineering teams move control development further into simulation.

To simulate tracked vehicles with high performance, precision, and stability, Algoryx has developed a completely new track simulation model. Unlike a wheel, a continuous track consists of many interacting components. Through the way sprockets, idlers, rollers, and track links work together, tracks offer excellent traction and mobility on soft and uneven terrain such as mud, sand, snow, or broken ground—conditions where a vehicle on four wheels might sink, slip, or lose control. The same mechanical complexity makes it very challenging to simulate a tracked vehicle, especially when it is traveling at higher speeds. The new track model in AGX Dynamics is based on a compact set of bodies and constraints to provide stable and efficient simulation of continuous tracks while capturing the essential dynamics of tracked vehicles. In addition, a full-DOF track model is available, where individual track nodes and hinge joints are explicitly represented. This enables higher realism in simulations, albeit at an increased computational cost. The new track model in #AGXDynamics means that the leading simulation solution for earthmoving equipment can now simulate high-speed tracked vehicles across a wide range of application areas. The new track model is available in the latest major release of AGX Dynamics and is making its way into AGX Dynamics for Unreal and AGX Dynamics for Unity. Technical documentation: https://lnkd.in/drM-dDcx

For simulations to be truly useful, they need to be validated against reality. This video shows a simple but powerful example of how to do that. First, a step input was applied to a real excavator boom joint, and the response was recorded using MCAP. A visualization of that measured behavior is shown under “Real” in the video. The recorded data was then replayed, and the joint commands extracted via #ROS2 topics. These commands were fed into an #AGXDynamics simulation of the same machine, producing the motion shown under “Sim” in the video. At the top, you see the full comparison 📈: – Command input (blue) – Real machine response (grey) – Simulated response (orange) This creates a practical real-to-sim loop: Record on the machine → replay offline → compare → tune the model. In our view, accurate models, robust contact physics, and real-to-sim validation are not optional – they are essential for developing high-performance machine autonomy. This work was carried out within the XSCAVE project, with valuable contributions from Novatron, including real machine experiments and the ROS2 setup for data logging and control.