주요 업무

1) 고속 드론 및 로보틱스 RL 제어 -초고속 드론 및 기타 로봇 플랫폼을 위한 RL 기반 제어 알고리즘 설계 -최신 RL 기법(예: PPO, SAC, TD3)을 활용한 연속 제어 정책 학습 및 반복 개선 -실제 환경에서의 신뢰성 확보를 위한 안전 제약, 가드레일, 폴백(대체) 컨트롤러 정의 -로버의 내비게이션 및 에너지 효율 개선을 위한 RL 기반 접근 탐색 2) 시뮬레이션, HITL, 강건성 테스트 -실제 하드웨어 동작을 반영하는 시뮬레이션 환경 구축 및 유지보수(Gazebo, Isaac, UnrealEngine 또는 커스텀) -강건한 정책 전이를 위한 RL 시나리오, 커리큘럼 전략, sim-to-real 파이프라인 설계 -엣지 케이스 및 성능 저하 조건에서의 검증을 위한 HITL 및 적대적(adversarial) 테스트 수행 -재현 가능한 실험을 위해 시뮬레이션 출력(롤아웃, 리워드, 메트릭) 표준화 3) RL 데이터 워크플로우 (로그 · 센서 · 비디오 · 데이터셋) -비행 로그, 센서 데이터, 비디오, 시뮬레이션 롤아웃 전반에 걸친 RL 실험 데이터 워크플로우 소유 -데이터셋을 쉽게 찾고 일관되게 사용할 수 있도록 네이밍 규칙, 메타데이터 스키마, 저장 레이아웃 정의 -RL 학습/평가용 데이터셋 큐레이션 및 버저닝(Train/Val/Test 분할, 데이터셋 버전 관리) -커버리지, 편향, 실패 모드를 면밀히 고려한 데이터셋 전략 설계 4) 인지/추적을 위한 ML (RL/자율에 필요 시) -자율/RL을 지원하는 컴퓨터 비전 작업(탐지, 추적 등)을 위한 ML 파이프라인 구축 및 유지 -필요 시 인지 결과를 RL 학습 및 평가 루프에 통합 5) 엣지 배포 및 모델 최적화 -엣지 하드웨어(예: Jetson / 임베디드 GPU)에 RL 정책 및 ML 모델 배포 -온디바이스 제약을 고려한 모델 최적화: 디스틸레이션, 양자화, 프루닝, 런타임 성능 튜닝 -오프라인 실험과 온디바이스 동작 간 평가/검증의 일관성 확보 6) 실험 관리 및 크로스펑셔널 협업 -실험 관리 체계 정의: run ID, 설정(config), 메트릭, 아티팩트 저장, 대시보드 -풀스택 엔지니어와 협업하여 로그 탐색 및 실험 추적을 위한 저장 시스템, DB 스키마, 내부 도구 설계/구축 -자율주행 엔지니어와 협업하여 안전한 제어 인터페이스, 공유 시뮬레이션 자산, 전체 자율 스택 통합 추진 -RL 정책을 상위 수준의 “스킬” 또는 도구로 노출해야 하는 경우 LLM 엔지니어와 협업

자격 요건

-프로덕션 또는 연구-배포(Research-to-Deployment) 환경에서 RL/ML 적용 경험 5년 이상 -뛰어난 Python 역량 및 PyTorch 또는 TensorFlow 실무 경험 -연속 제어를 위한 RL 알고리즘 실무 경험(PPO, SAC, TD3 등) 및 대규모 학습 경험 -데이터셋 및 데이터 파이프라인 설계 경험(로깅, 메타데이터, 버저닝, Train/Val/Test 분할) -엣지 하드웨어(Jetson, 임베디드 GPU 등)에 ML/RL 정책 배포 및 성능 최적화 경험

우대 사항

-제어 이론 및 모션 플래닝 배경(MPC, 궤적 최적화, 샘플링 기반 플래닝 등) -Ardupilot, PX4 또는 산업용 로봇 암에 대한 이해/경험 -로보틱스 프레임워크(ROS/ROS2) 및 시뮬레이터(Gazebo, Isaac, UnrealEngine 등) 경험 -뛰어난 커뮤니케이션 능력(영어 능통자 우대)

선호 비자

자기소개서

선택 제출