로봇 제어 · 학습 기반 제어 연구원 (박사급)

본 포지션은 AI 기반 양팔 로봇 및 정밀 조립 자동화 시스템을 위한 제어 알고리즘 및 학습 기반 제어 기술을 연구·개발합니다.

단순 연구에 그치지 않고, 실제 제조 현장에 적용 가능한 수준의 제어 기술을 제품화하는 역할을 수행합니다.

1. 로봇 제어 알고리즘 연구/개발
2. 양팔 로봇 및 매니퓰레이터의 동역학 모델 기반 제어 및 시뮬레이션
3. 직접/간접 토크 기반 제어, 힘/임피던스/하이브리드 제어 알고리즘 개발
4. 강화학습(RL), 모션 프리미티브, 행동 모사 기반 제어 알고리즘 연구
5. 정밀 조립·체결 작업을 위한 고정밀 제어 전략 설계
6. 실제 제조 환경의 불확실성(오차, 외란, 접촉 변화)을 고려한 강인 제어 설계
7. 학습 기반 제어 및 로봇 지능화
8. 시각·촉각·힘 정보 기반 행동 정책 학습
9. 소량 데이터 기반 빠른 적응(Few-shot / Fine-tuning) 제어 알고리즘 개발
10. 다중 태스크/다중 공정에 적용 가능한 범용 제어 구조 설계
11. 시뮬레이션–리얼 갭(Sim-to-Real) 최소화를 위한 학습 전략 수립

1. 제어 소프트웨어 및 시스템 구현
2. 실시간 로봇 제어 알고리즘 구현 (C/C++)
3. 실험·검증을 위한 제어 프레임워크 및 테스트 환경 구축
4. FSM 기반 로봇 동작 시퀀스 및 공정 로직 설계
5. 로봇 시스템 전반(비전, 주변 장치, 지그)과의 인터페이스 설계

• 로봇, 제어, 기계, 전기, 메카트로닉스, 인공지능 관련 전공 박사 학위 이상

• 관련 분야 경력 5년 이상 (박사 후 연구원, 기업 R&D 경력 포함)

• 로봇 동역학, 제어 이론에 대한 탄탄한 이해

• C/C++ 및 Matlab 기반 제어 알고리즘 구현 경험

• 실제 로봇 시스템을 대상으로 한 실험·검증 경험

1. 최적 제어, 강인 제어, 비선형 제어, 강화학습 기반 제어에 대한 전문 지식
2. 로봇 조립, 체결, 접촉 기반 작업 경험
3. 양팔 로봇 또는 다자유도 매니퓰레이터 제어 경험
4. Sim-to-Real, 도메인 랜덤화, 데이터 효율화 기법 경험
5. 제조 현장 PoC 또는 양산 적용 경험
6. 영어 논문 작성 및 기술 커뮤니케이션 가능자

안내 사항

1. 본 포지션은 연구직이면서 동시에 제품 책임이 수반되는 핵심 포지션이기에, 채용 단계에서 기술 인터뷰 및 과제가 진행될 수 있습니다.

플라잎 합류 여정

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.