Robot Learning Engineer 3년 이상

About

세코어로보틱스의 Latent 3D World Model은 카메라 기반으로 물리적 세계를 인코딩하고, 이를 활용하여 로봇에 필요한 다양한 로봇 소프트웨어 어플리케이션을 개발 가능합니다. 현재 3D Perception, Mapping, Localization 기술을 개발하였으며, Navigation과 Manipulation으로의 확장을 위해 연구를 진행 중입니다.
그 동안 로봇은 실시간으로 완벽한 지도를 작성하고, 규칙 기반 시스템에 의존하여 개발되어 왔습니다. 완벽한 지도와 확률적인 AI 모델은 서로 상충되는 개념이었고, 로봇 소프트웨어에는 AI가 적용되기 어려웠습니다. 그러나 우리가 지금 이 시대에서 원하는 것은 휴머노이드, 사족보행 로봇 같은 너무나도 복잡한 플랫폼으로 다양한 테스크를 수행하는 것입니다. 이로 인해 AI/Robotics 분야가 매우 뜨거워지고 있으며, 이제는 물리적 세계를 이해하는 3D understanding AI Model, 즉, Physical AI가 필요한 시점입니다.
세코어로보틱스는 직접 3차원 공간 데이터를 취득하고, 가공하여 모델 학습에 이용합니다. 또한, 이렇게 학습된 모델을 이용해서 직접 로봇 소프트웨어를 개발하고 연구하고 있습니다.

Responsibilities

• Robot Policy 학습:
• Isaac Sim/MuJoCo 환경에서 RL/IL 기반 Manipulation Policy 학습 및 튜닝
• Sim-to-Real Deployment:
• 학습된 Policy를 실제 Manipulator에 배포
• Sim-to-Real Gap 분석 및 개선
• 시뮬레이션 환경 활용:
• 3D Vision 팀이 제공한 Photo-realistic Scene 기반 학습 환경 운영
• 로봇 및 센서 모델 구성, 학습용 환경 구성

Requirements

• 로보틱스 분야 연구 및 실무 경험 (석사 학위 이상 또는 이에 준하는 연구·실무 경험)
• 로봇공학 기초 지식 (Kinematics, Dynamics, Motion Planning & Control Theory)
• RL 기반 로봇 제어에 대한 기본 이해 (MDP, Reward Shaping, Sim-to-Real Gap 등)
• Python 및 PyTorch 기반 학습 파이프라인 개발 경험
• RL 알고리즘(PPO, SAC, BC 등) 구현 및 학습 경험

Preferred

• Isaac Sim, Isaac Lab, MuJoCo 등 로봇 시뮬레이터 사용 경험
• Sim-to-Real 프로젝트 수행 경험 (시뮬레이션 ＞ 실제 로봇 배포)
• Mobile Robot Navigation(SLAM, Path Planning 등) 및 Manipulation(Pick-and-Place, Grasping 등) 관련 기본 이해
• 비전 센서(RGB-D 등) 및 다양한 센서 모달리티 기반 학습 경험
• Diffusion Policy, ACT, π0 등 최신 Manipulation 모델 적용 경험
• 관련 분야 학회/저널 논문 실적 (ICRA, IROS, CoRL, RA-L 등)

Benefits

업무 환경
세코어로보틱스는 구성원이 최고의 퍼포먼스를 낼 수 있도록 편안하고 효율적인 근무 환경을 제공합니다.

자율출퇴근제 운영
개인의 라이프스타일과 업무 리듬에 맞게 유연하게 출퇴근할 수 있어, 몰입도 높은 업무 환경을 스스로 만들 수 있습니다.

자유로운 점심시간
정해진 시간에 얽매이지 않고 본인의 일정과 컨디션에 맞춰 자유롭게 점심시간을 사용할 수 있습니다.
장비 지원
엔지니어링과 연구에 최적화된 환경을 위해 PC환경 및 와일드 듀얼 모니터 등 최고 성능의 장비를 지원합니다.

커피머신 제공
언제든지 휴식을 취하며 리프레시할 수 있도록 고급 커피머신을 갖춘 편안한 휴식 공간을 마련해두었습니다.