Applied AI Engineer

직군 소개

WoRV 팀은 브라운필드 환경에서 주행 + 작업기 제어를 함께 해결하는 Mobile Manipulation 제품을 만듭니다.

이 포지션은 고객의 Pain Point를 기술 과제로 바꾸고, 이를 Safe, Reliable, Scalable한 제품 역량으로 전환하는 역할입니다.

우리는 Simulation, Hardware, AI 자율주행 스택(VLA, Motion Planning, Localization, Control) 전반을 다루며, 어떤 기능은 모듈로, 어떤 기능은 learned policy/VLA로 확장합니다. 핵심은 한 번의 프로젝트를 끝내는 것이 아니라, 여러 고객에 반복 적용 가능한 제품 capability를 만드는 것입니다.

주요 업무

• 주행, 작업기 제어, 로컬라이제이션, 데이터 수집, 텔레오퍼레이션, 세이프티 관점에서 시스템을 설계합니다.
• VLA, Control, RL, Motion Planning, Localization 등 다양한 기술을 바탕으로 최적의 해법을 제안하고 구현합니다.
• Navigation, Manipulation, Perception, Decision, Action 전반의 시스템을 설계·개발하고, 실제 현장 환경에서 검증합니다.
• 실세계 로그와 실패 사례를 분석해 개선 로드맵과 데이터 수집 전략을 수립합니다.
• PM / 제어 / 시뮬레이션 / 데이터 팀과 협업해 PoC → Pilot → 양산으로 연결합니다.
• 프로젝트 결과를 공통 모듈, 평가 체계, 데이터 자산으로 축적합니다.

자격 요건

• AI/ML 전반에 대한 이해와 한 분야 이상의 전문성을 보유하신 분
• Python 중심 구현 역량과 실제 시스템 개발/실험 경험이 있으신 분
• 하나 이상의 문제를 실험 → 배포 → 개선까지 연결해본 분
• 정확도 외에 latency / cost / safety / maintainability trade-off를 설명할 수 있는 분
• 로그, 영상, 센서 데이터, 운영 결과를 보고 실패 원인을 구조적으로 분석할 수 있는 분
• 새로운 기술을 빠르게 학습하고, 필요하면 더 단순한 방법으로 갈아탈 수 있는 분

우대 사항

• 정보과학/수학/물리학 등 이공계열 수상 내역 (올림피아드 등)
• 실제 장비, 차량, 로봇에 모델 또는 시스템을 적용해본 경험
• 머신러닝/로보틱스 분야에서 좋은 연구 트랙 레코드 (주요 학회 및 저널 게재)
• Robotics / Autonomous Driving / Physical AI / VLA / RL / Imitation Learning 경험
• Motion Planning / SLAM / Localization / Control Integration 경험
• ROS2, C++, Edge inference, on-device optimization 경험
• Brownfield 환경, noisy sensor, partial observability, edge case 문제를 다뤄본 경험
• Safety validation, fallback logic, data pipeline, evaluation harness 경험

이런 분을 찾습니다

• "이 문제에 어떤 기술이 맞나?"를 먼저 묻는 분
• 모델 성능과 제품 성능의 차이를 아는 분
• 현재 고객 가치와 미래 scalability를 함께 설계할 수 있는 분
• local optimum에 머무르지 않고 reusable product capability를 만들고 싶은 분