Physical AI Researcher Intern (체험형)

담당업무

• VLA 및 World Model 구조·학습 방식 분석과 로봇 도메인 파인튜닝·post-training 레시피 설계

• 최신 논문 재현 및 연구 방법론의 유효성 검증

• Training-free compression, quantization, pruning, caching, early-exit 등 모델 경량화 연구

• compute-bound·memory-bound 병목 프로파일링 및 latency·품질 trade-off 곡선 도출

• 실패 에피소드 기반 preference learning, imitation learning, offline RL 적용 및 정책 개선

• credit assignment 설계와 성공률·jitter·task 완수 시간 등 정량 지표 기반 효과 측정

• 훈련 데이터셋의 커버리지·일관성·액션 노이즈 분석 및 필터링·증강 전략 검증

• 시뮬레이션·실물 데이터 간 도메인 갭 분석과 완화 방법 탐색

• 가설·baseline·ablation 기반 실험 계획 수립 및 통계적 평가 프로토콜 구성

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

• 문제 정의·방법론·실험 결과·failure mode 문서화 및 재현 가능한 코드·레시피 정리

• 검증된 방법론을 엔지니어링 파이프라인에 이식하고 팀 내·외부 커뮤니케이션 수행

자격요건

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

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

• 최신 논문 독해 및 핵심 기여·한계 판별 능력

• 가설을 정량적으로 검증 가능한 형태로 설계하고 결과를 근거 있게 해석하는 능력

• 제안 방법을 목적함수·수식 수준으로 기술하는 능력

우대사항

• VLA, World Model, Imitation Learning, RL 관련 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 Tool 활용과 독립적인 논리 구성·추론 능력

• 국가보훈대상자 및 장애인 우대

전형절차

1. 서류 검토

2. 1차 인터뷰 및 과제

3. 최종 선발

근무환경

• 수평적인 문화 속 동등한 의견 교환

• 공동 목표를 향한 자율적 업무 수행

• 시뮬레이션과 SO-101, reBot, Lekiwi 등 실물 로봇을 오가는 연구

• 연구 결과가 Edge 디바이스 배포로 이어지는 Physical AI 전 과정 경험

마감기한

상시채용