Physical AI Lead Engineer (6년 이상)

합류하게 될 팀에 대해 알려드려요

1. Physical AI 팀은 단순한 로봇 제어가 아니라, “로봇이 스스로 다양한 작업을 수행할 수 있는 지능”을 만드는 팀입니다. 현재는 조립/체결과 같은 정밀 작업을 중심으로 시작했지만, 물류 및 서비스 영역까지 확장 가능한 범용 로봇 지능을 구축하고 있습니다.
2. Vision / Motion / SW 팀과 함께 perception → planning → control까지 이어지는 end-to-end 학습 기반 로봇 시스템을 직접 설계하고 구현합니다.
3. 시뮬레이션에서 끝나는 것이 아니라, 실제 생산라인과 현장에서 모델이 실제로 동작하고 성과로 이어지는 경험을 하게 됩니다.
4. 이 팀은 연구만 하는 조직이 아닙니다. 선행 연구부터 실제 양산 적용까지 모두 연결되는 구조 안에서, 본인이 만든 기술이 바로 고객 환경에 적용되는 것을 경험할 수 있습니다.
5. 단일 task를 반복하는 것이 아니라, 조립 → 물류 → 서비스로 확장되는 과정에서 로봇 지능을 일반화하는 문제를 직접 풀어볼 수 있는 환경입니다.
6. Physical AI Lead Engineer는 이러한 선행 연구(Research)와 제품화(Product)를 동시에 리딩하며, Physical AI 팀의 기술 방향을 정의하고 시스템 아키텍처 및 주요 기술 의사결정을 주도하는 역할을 수행하게 됩니다.

기대하는 역할입니다 (업무내용)

1. 선행연구 ( Research )

범용 로봇 지능을 위한 Physical AI 아키텍처 및 학습 구조를 설계합니다.

1. Physical AI 아키텍처 설계
2. 조립/체결뿐만 아니라 물류 및 서비스 작업까지 확장 가능한 범용 Physical AI 아키텍처 설계
3. Vision-Language-Action (VLA) 기반 로봇 제어 구조 연구
4. VLM, MLLM, Policy Transformer 등 대규모 사전학습 모델 활용
5. 학습 기반 정책 및 일반화 구조 연구
6. 강화학습(RL), 모방학습(IL), Foundation Model 기반 정책 학습 구조 연구
7. 다양한 작업 환경(제조/물류/서비스)에서 일반화 가능한 Representation / Policy 구조 설계
8. Sim2Real 전이 및 데이터 효율성 개선 연구
9. 통합 로봇 지능 연구
10. Manipulation뿐 아니라 grasping, picking, navigation, task sequencing 등 복합 작업을 포함한 통합 로봇 지능 연구
11. 장기적으로 Task generalization 및 zero-shot 수행 가능성 확보

2. 제품화 ( Product / Deployment )

연구 결과를 실제 환경에 적용 가능한 시스템으로 구현하고 확장합니다.

1. 시스템 설계 및 확장
2. 조립/체결 작업을 중심으로 시작하여, 물류(피킹/이송) 및 서비스 작업까지 확장 가능한 시스템 설계
3. 다양한 작업 유형에 빠르게 적용 가능한 공통 ML pipeline 구축
4. 실환경 적용 및 성능 개선
5. 실제 생산 및 물류 환경에서 정확도, 속도, 안정성 등 성능 개선
6. Vision / Motion / SW 팀과 협업하여 end-to-end pipeline 구축
7. 운영 효율화
8. 작업별 fine-tuning 비용 최소화 및 적용 속도 개선

특정 task가 아닌, “로봇이 다양한 일을 하게 만드는 구조”를 설계하는 분을 찾습니다.

1. Physical AI / Robotics Intelligence
2. 로봇 manipulation 또는 control 관련 프로젝트 경험 (실환경 또는 시뮬레이션)
3. MuJoCo, Isaac Gym 등 시뮬레이션 환경을 활용한 학습 및 검증 경험
4. Sim2Real 문제를 경험해 본 분 (실제 로봇 적용 경험 또는 이에 준하는 경험)
5. 강화학습(RL), 모방학습(IL), Policy Learning 중 하나 이상을 활용한 시스템 구현 경험
6. Learning & System
7. 머신러닝, 딥러닝, 강화학습 중 하나 이상의 분야에서 실무 경험 5년 이상
8. PyTorch 또는 TensorFlow 기반 모델 설계 및 학습 경험
9. 모델 단위가 아닌, 데이터 수집 → 학습 → 배포까지 이어지는 end-to-end ML pipeline 경험
10. Leadership
11. 팀 또는 프로젝트를 리딩하며 주도해 본 경험 (소규모라도 무관)

1. Embodied AI·Physical AI 기반 로봇 학습·제어 연구/개발 경험
2. Foundation Model 또는 범용 정책 학습 구조 설계 경험
3. Vision-Language Model(VLM) / Multimodal 모델 기반 제어 경험
4. Sim2Real, domain randomization, data scaling 등 일반화 관련 경험
5. 실제 로봇을 활용한 작업 수행 및 적용 경험 (manipulation, 물류, 서비스, 제조 환경 등)
6. C++ 및 로봇 제어 관련 개발 경험
7. Docker 및 ML 인프라 구축 경험
8. 주요 컨퍼런스 및 저널에 연구 논문을 게재한 경험

서류 전형 ＞ 직무 및 컬쳐핏 인터뷰(1시간) ＞ 처우협의 ＞ 최종합격 및 입사

1. 전형 단계는 상황에 따라 일부 조정될 수 있습니다.
2. 서류 안내 : 서류는 자율 형식(양식 및 분량 무관)입니다. 단, 압축하지 말고 PDF 또는 URL 형식으로 제출해 주세요.

- 포트폴리오 제출은 선택이나, 가지고 계신 포트폴리오가 있다면 제출해 주시면 좋습니다.

- 서류 전형 단계에서 포트폴리오 검토가 필요한 경우 추가로 요청드릴 수 있습니다.

1. 최종 단계 합격자에 한해 레퍼런스 체크가 진행될 수 있으며, 레퍼런스 제공자는 합격자와 사전 협의 후 함께 결정합니다.