로봇학습 · Sim-to-Real 연구자

업무소개

초기 Physical AI 팀에서 로봇학습 · Sim-to-Real 영역을 직접 연구할 연구자를 찾습니다. Space AI는 실제 로봇 상호작용에서 측정한 Force·Stress 데이터를 시뮬레이션과 로봇 학습으로 연결하고, 이것이 실제 manipulation 성능 향상으로 이어지는지를 검증하고 있습니다. 이 포지션은 시뮬레이터 안에서 정책을 학습하는 데서 끝나지 않습니다. 환경 구축 → 정책 학습 → 실제 로봇 배포 → 실패 분석 → 재학습까지 전체 Sim-to-Real loop를 직접 수행합니다. 초기 팀인 만큼 역할 범위는 넓지만, 문제정의부터 실험 설계, 구현, 실제 로봇 검증까지 직접 결정하고 실행할 수 있습니다.

업무내용

· Newton·Isaac Lab 기반 manipulation environment 및 robot learning pipeline 구축 · Isaac Sim·Isaac Lab 기반 manipulation environment 구축 · RL·Imitation Learning 기반 로봇 조작 정책 학습 및 평가 · RGB-D·F/T·tactile 등 multimodal observation pipeline 구축 · Domain/Dynamics Randomization 및 Sim-to-Real transfer · 학습된 policy의 실제 로봇 배포 및 실험 · 실제 로봇 failure case 분석 및 개선 · 동일 로봇·동일 물체 조건의 benchmark 및 ablation 설계 · 로봇·카메라·센서 calibration 및 time synchronization · Force·Stress 데이터가 manipulation 성능에 미치는 영향 검증 · 고객 PoC 및 외부 재현 실험 기술 지원

자격요건

· Python·PyTorch 기반 robotics 또는 machine learning 개발 경험 · Newton, Isaac Lab/Isaac Sim, MuJoCo, Genesis 등 physics simulator 사용 경험 · Reinforcement Learning 또는 Imitation Learning 프로젝트 경험 · 실제 로봇 또는 센서를 직접 셋업·운영해 본 경험 · 실험 결과를 정량적으로 분석하고 failure 원인을 추적할 수 있는 역량 시뮬레이션 성능 자체보다, 학습한 정책을 실제 로봇까지 가져가 검증해 본 경험을 중요하게 봅니다.

우대사항

· Newton 또는 NVIDIA Warp 기반 simulation 개발 경험 · ROS2·MoveIt 사용 경험 · Franka·UR 계열 로봇을 직접 셋업·제어한 경험 · Deformable object manipulation 연구·개발 경험 · Tactile·F/T·RGB-D sensor fusion 경험 · Domain Randomization·System Identification·Dynamics Randomization 경험 · Sim-to-Real 성능 저하 원인을 분석하고 개선한 경험 · CoRL·ICRA·IROS·RSS·NeurIPS 등 관련 연구 경험 · 산업 현장 로봇 PoC 수행 경험

혜택 및 복지

· 근무지: 서울 금천구 디지털로10길 9, KICKUP 5F 5호 · 필요 시 광주 GIST에서 실험·검증 협업 · 근무형태: 주 5일 서울 가산 오피스 근무 · 근무시간: 10:00~19:00 · 수습기간: 3개월 · 수습기간 중 급여/처우는 별도 협의 · 연봉: 경력 및 역량에 따라 협의 · 스톡옵션: 역량 및 기여도에 따라 지급 가능 · 구체 조건 협의 · 이주/교통/기타 지원: 별도 지원 없음

채용절차

서류 검토 → 실무 인터뷰 → 최종 인터뷰 및 처우 협의 → 합류 각 단계의 결과 및 다음 일정은 지원자에게 개별 안내드립니다.

기타

· 논문·GitHub·프로젝트 영상·기술 블로그 등 실제 연구·개발 결과를 확인할 수 있는 자료가 있다면 함께 제출해 주세요. · 프로젝트에서는 사용한 simulator와 robot, 담당 범위, 실제 로봇 검증 여부를 구체적으로 작성해 주세요. 특히 다음 경험이 있다면 지원서에 구체적으로 기재해 주세요. · 실제 로봇을 직접 셋업하고 운영한 경험 · RL·IL policy를 simulator에서 학습하고 평가한 경험 · 학습된 policy를 실제 로봇에 배포한 경험 · Sim-to-Real 과정에서 발생한 failure의 원인을 직접 분석하고 개선한 경험