Physical AI 엔지니어

주요업무

• 물류·제조 시나리오에 특화된 Robot Action Policy, Robot Foundation Model, World Model 설계 및 학습, 데이터 구축 및 품질 관리
• 시연/실험 데이터 수집, 정제, 라벨링, 멀티모달 데이터셋 구성 및 학습 파이프라인 플랫폼 개발
• VLA, Imitation Learning, Behavior Cloning, Diffusion Policy 기반 싱글암/양팔로봇 행동 모델 설계·학습
• 학습된 모델의 Inference 모듈 개발 및 Perception, Planning, Control 시스템과의 연동
• 시뮬레이션 및 실제 로봇 환경에서 모델 성능 평가, 실패 케이스 분석, Sim-to-Real 개선
• RGB-D, 멀티뷰 카메라, 로봇 상태, 엔드이펙터 상태, 작업 결과 등 멀티모달 데이터 기반 모델 학습
• 로봇 SW, 제어, 하드웨어, PM과 협업하여 현장 적용 가능한 Physical AI 시스템 구현

자격요건

• 학력: 관련 전공 석사 이상
• 경력: 무관 (신입 지원 가능)
• Python 및 PyTorch/JAX 기반 ML/DL 모델 개발 경험이 있는 분
• Imitation Learning, Reinforcement Learning, Diffusion Policy, Transformer 기반 시퀀스 모델 중 하나 이상의 이해 또는 구현 경험 이있는 분
• 로봇 조작, 로봇 러닝, 멀티모달 학습, 시뮬레이션 기반 학습 중 하나 이상의 경험이 있는 분
• 실제 로봇 또는 시뮬레이션 환경에서 모델 성능을 평가하고 개선한 경험이 있는 분
• 로봇 SW, 제어, 하드웨어 등 여러 직군과 협업하여 문제를 능동적으로 해결할 수 있는 분

우대사항

• VLA, Robot Action Policy, Robot Foundation Model, World Model 연구·개발 경험이 있으신 분
• 대규모 로봇 시연 데이터셋 구축, 정제, 학습 파이프라인 개발 경험이 있으신 분
• 싱글암/양팔로봇 기반 조작 태스크 개발 또는 피스피킹, 패킹, 팔레타이징/디팔레타이징 등 물류·제조 로봇 태스크 경험이 있으신 분
• Isaac Sim/Lab, MuJoCo, Gazebo 등 물리 시뮬레이터 활용 경험이 있으신 분
• Domain Randomization, System Identification, Sim-to-Real 개선 경험이 있으신 분
• RGB-D, 2D/3D 비전, Pose Estimation, Grasp Planning 경험이 있으신 분
• AMR/AGV와 로봇암을 연계한 자동화 시스템 경험이 있으신 분

복지 및 혜택

• 연 6일 유급병가 제공
• 야근 시 저녁 식대 지원
• 야근 시 교통비 지원
• 출장용 법인차량 운영
• 자가 차량 이용 시, 유류비 실비정산
• 업무용 도서 구입비 지원
• 주말수당 / 출장수당 지급
• 정밀건강검진 지원
• 생일 시 오후반차 및 상품권 지급
• 기타 경조 휴가 및 경조금 지급 등

채용절차 및 기타 지원 유의사항

[근무 조건]

• 근무형태: 계약직(수습기간 3개월) 채용 후, 평가를 통해 정규직 전환

수습기간 중 급여는 100% 지급하며, 수습기간은 정규직 전환 시 근속기간에 포함

[채용 전형]

• 서류전형 - 1차 실무진 면접 - 2차 임원진 면접 - 레퍼런스 체크 - 최종결과 발표

위 절차는 기본 프로세스로 경우에 따라 추가 절차가 진행될 수 있습니다.

[유의사항]

• 입사지원 서류에 허위사실이 발견될 경우 채용 확정 이후라도 채용이 취소될 수 있습니다.
• 지원자의 개인정보는 채용 절차 종료일로부터 최대 3년간 보관되며, 이후 지체 없이 파기됩니다.

기업/서비스 소개

[포지션 상세]
물류·제조 ​자동화를 ​목표로 ​싱글암 및 ​양팔로봇에 적용 가능한 Physical ​AI ​모델과 Robot ​Action Policy를 연구·개발합니다.
이 ​포지션은 물류·제조 ​시나리오에 ​특화된 VLA(Vision-Language-Action) ​모델·로봇 ​액션 ​정책·Imitation Learning 기반 ​작업 ​학습 모델을 설계하고, ​시뮬레이션과 ​실로봇 ​환경에서 성능을 검증·개선하는 ​역할을 맡습니다. ​연구실 ​데모에 머무르지 ​않고, 실제 ​물류센터와 ​제조공정에서 로봇이 물체를 ​인식하고, 판단하고, ​집고, 옮기고, 배치할 수 있도록 학습 기반 로봇 지능을 구현합니다. 시뮬레이션 환경에서 학습/검증한 모델을 실제 로봇에 적용하고, 실패 케이스를 분석하며 로봇 SW, 제어, 하드웨어, PM과 협업하여 현장 적용 가능한 Physical AI 시스템을 완성할 분을 찾습니다.