[NetsPresso] Physical AI Researcher Intern (체험형)

담당업무

• VLA·World Model 구조와 학습 방식 분석, 로봇 도메인 파인튜닝·post-training 레시피 설계 및 검증

• diffusion·flow matching 기반 액션 헤드 원리 분석과 개선 아이디어 도출, 최신 논문 재현 및 유효성 검증

• training-free compression 연구, token·layer·expert 중복성과 attention sparsity 분석

• compute-bound·memory-bound 병목 프로파일링, quantization·pruning·caching·early-exit 기법 선택

• 실시간 제어 주파수를 위한 latency·품질 trade-off 도출

• rollout 실패 에피소드의 학습 신호 전환, preference learning·imitation learning·offline RL 적용

• credit assignment 설계 및 성공률·jitter·task 완수 시간 기반 개선 효과 측정

• 훈련 데이터셋의 커버리지·일관성·액션 노이즈 분석, 품질 지표 정의와 필터링·증강 효과 검증

• 시뮬레이션·실물 데이터 간 도메인 갭 분석 및 완화 방법 탐색

• 가설 수립, 최소 실험·확장 실험 계획, baseline·ablation·평가 프로토콜 구성

• robosuite·IsaacSim·MuJoCo 등 시뮬레이터와 실물 로봇 평가 파이프라인 구축

• 문제 정의·방법론·실험 결과·failure mode 문서화, 재현 가능한 코드·레시피 형태로 엔지니어링 파이프라인 이식

• 팀 내·외부 커뮤니케이션을 통한 정보 수집과 문제 구조화

자격요건

• Python·PyTorch 기반 학습·평가 파이프라인 작성 및 디버깅 능력

• Transformer·attention·diffusion·flow matching·최적화 등 딥러닝 이론 이해

• 최신 논문 독해, 핵심 기여와 한계 판별 및 재현 능력

• 가설을 정량적 검증 형태로 설계하고 결과를 근거 있게 해석하는 능력

• 제안 방법을 목적함수·수식 수준으로 기술하는 능력

우대사항

• VLA·World Model·Imitation Learning·RL 연구 또는 프로젝트 경험

• DPO·RLHF 계열 preference optimization 또는 offline RL 구현 경험

• quantization·pruning·distillation·KV cache 최적화 등 모델 경량화 연구 경험

• robosuite·IsaacSim·MuJoCo·PyBullet·Genesis·ManiSkill 등 로봇 시뮬레이터 사용 경험

• ROS·LeRobot 등 로봇 제어 프레임워크 사용 경험

• 영상·센서·액션 등 멀티모달 데이터 처리 및 대규모 학습 경험

• 논문·기술 블로그 등 연구 결과 공개 정리 경험

• AI Tool을 활용하면서 스스로 논리를 구성하고 추론하는 능력

전형절차

1. 서류 검토

2. 1차 인터뷰 및 과제

3. 최종 선발

기타 안내

• 채용 전 레퍼런스 체크 진행

• 최종 인터뷰 합격 시 처우 협의

• 허위 사실 확인 시 채용 취소 가능

• 이력서에 연봉 정보 등 민감한 개인정보 기재 시 서류가 검토되지 않을 수 있음

• 국가보훈대상자 및 장애인 관련 법규에 따른 우대

마감기한

채용시 마감