Robot Foundation Model Engineer

주요 업무

• 주행 · 작업기 제어를 통합한 Mobile Manipulation VLA · 로봇 파운데이션 모델(RFM) 설계 및 안전성 요구 · 평가 기준 정의

• LLM / VLM 기반 Pre-training, Imitation Learning, RL Post-training, Sim2Real을 조합한 학습 파이프라인 설계 및 구현

• 작업 성공 · 안전 조건 등 검증 가능한 보상(Verifiable Reward) 설계 및 RLVR 기반 Post-training을 통한 모델 고도화

• Closed-loop(시뮬레이션) · Open-loop(데이터셋 벤치마크) 평가 파이프라인 구축 및 실제 현장 검증

• 실세계 로그 · 실패 사례 분석을 통한 모델 아키텍처 · 학습 데이터 우선순위 등 개선 로드맵 수립

• PM / 제어 / 시뮬레이션 / 데이터 팀과의 협업을 통한 실제 서비스 연결

자격 요건

• AI/ML 전반에 대한 이해와 LLM · VLA · Robotics 중 한 분야 이상의 전문성을 보유하신 분

• C++ / Python 중심 구현 역량과 실제 시스템 개발 · 실험 경험이 있으신 분

• 논문 → 코드 → 배포 → 개선의 사이클을 빠르게 돌려본 분

• 추론 latency · 모델 크기 · 메모리 · 안전성 등 배포 환경의 제약을 모델 · 학습 설계에 반영해본 분

• 모델 출력과 현장 실패 사례를 함께 보고, 모델이 어떤 상황에서 실패하는지 구조적으로 정의할 수 있는 분

우대 사항

• VLA · RFM 학습 또는 LLM / VLM 기반 로봇 정책 개발 경험

• RLVR · RLHF 등 RL Post-training 또는 Imitation Learning 경험

• 실제 장비 · 차량 · 로봇에 모델을 적용해본 경험 (Brownfield 환경, noisy sensor, partial observability, edge case 대응 포함)

• Motion Planning / SLAM / Localization / Control Integration 경험

• ROS2, Edge inference, on-device optimization 경험

• Safety validation, fallback logic, evaluation harness 구축 경험

• 머신러닝 · 로보틱스 분야 주요 학회 및 저널 게재 등 연구 트랙 레코드

• 정보과학 · 수학 · 물리학 등 이공계열 수상 내역 (올림피아드 등)

이런 분을 찾습니다

• "이 문제에 어떤 기술이 맞나?"를 먼저 묻는 분

• LLM이 바꾼 학습 패러다임을 로봇이 움직이는 실제 세계로 가져오고 싶은 분

• 벤치마크 정확도와 현장 성능의 차이를 알고, 그 격차를 좁히는 데 관심 있는 분

• 당장의 고객 가치와 미래의 확장성을 함께 설계하며, 재사용 가능한 제품 역량을 만들고 싶은 분