Bone은 로보틱스와 AI 기술을 기반으로 실제 현장에서 의미 있는 변화를 만들어가는 기술 기업입니다. 우리는 기술의 가능성보다, 기술이 현실에서 어떻게 작동하는지를 중요하게 생각합니다. 복잡한 문제를 단순하게 풀어내고, 빠른 실험과 반복을 통해 검증된 결과를 만들어냅니다. 아이디어에 그치지 않고, 구현과 실행까지 책임지는 문화가 Bone.Inc의 일하는 방식입니다. Bone에서는 각자의 전문성이 존중받으며, 팀의 성과로 연결됩니다. 기술로 산업의 기준을 바꿔나가는 여정에 함께할 동료를 찾고 있습니다.

•고속 드론 및 로보틱스 RL 제어 -초고속 드론 및 기타 로봇 플랫폼을 위한 RL 기반 제어 알고리즘 설계 -최신 RL 기법(예: PPO, SAC, TD3)을 활용한 연속 제어 정책 학습 및 반복 개선 -실제 환경에서의 신뢰성 확보를 위한 안전 제약, 가드레일, 폴백(대체) 컨트롤러 정의 -로버의 내비게이션 및 에너지 효율 개선을 위한 RL 기반 접근 탐색 •시뮬레이션, HITL, 강건성 테스트 -실제 하드웨어 동작을 반영하는 시뮬레이션 환경 구축 및 유지보수(Gazebo, Isaac, -UnrealEngine 또는 커스텀) -강건한 정책 전이를 위한 RL 시나리오, 커리큘럼 전략, sim-to-real 파이프라인 설계 -엣지 케이스 및 성능 저하 조건에서의 검증을 위한 HITL 및 적대적(adversarial) 테스트 수행 -재현 가능한 실험을 위해 시뮬레이션 출력(롤아웃, 리워드, 메트릭) 표준화 •RL 데이터 워크플로우 (로그 · 센서 · 비디오 · 데이터셋) -비행 로그, 센서 데이터, 비디오, 시뮬레이션 롤아웃 전반에 걸친 RL 실험 데이터 워크플로우 소유 -데이터셋을 쉽게 찾고 일관되게 사용할 수 있도록 네이밍 규칙, 메타데이터 스키마, 저장 레이아웃 정의 -RL 학습/평가용 데이터셋 큐레이션 및 버저닝(Train/Val/Test 분할, 데이터셋 버전 관리) -커버리지, 편향, 실패 모드를 면밀히 고려한 데이터셋 전략 설계 •인지/추적을 위한 ML (RL/자율에 필요 시) -자율/RL을 지원하는 컴퓨터 비전 작업(탐지, 추적 등)을 위한 ML 파이프라인 구축 및 유지 -필요 시 인지 결과를 RL 학습 및 평가 루프에 통합 •엣지 배포 및 모델 최적화 -엣지 하드웨어(예: Jetson / 임베디드 GPU)에 RL 정책 및 ML 모델 배포 -온디바이스 제약을 고려한 모델 최적화: 디스틸레이션, 양자화, 프루닝, 런타임 성능 튜닝 -오프라인 실험과 온디바이스 동작 간 평가/검증의 일관성 확보 •실험 관리 및 크로스펑셔널 협업 -실험 관리 체계 정의: run ID, 설정(config), 메트릭, 아티팩트 저장, 대시보드 -풀스택 엔지니어와 협업하여 로그 탐색 및 실험 추적을 위한 저장 시스템, DB 스키마, 내부 도구 설계/구축 -자율주행 엔지니어와 협업하여 안전한 제어 인터페이스, 공유 시뮬레이션 자산, 전체 자율 스택 통합 추진 -RL 정책을 상위 수준의 “스킬” 또는 도구로 노출해야 하는 경우 LLM 엔지니어와 협업

•프로덕션 또는 연구-배포(Research-to-Deployment) 환경에서 RL/ML 적용 경험 5년 이상 •뛰어난 Python 역량 및 PyTorch 또는 TensorFlow 실무 경험 •연속 제어를 위한 RL 알고리즘 실무 경험(PPO, SAC, TD3 등) 및 대규모 학습 경험 •데이터셋 및 데이터 파이프라인 설계 경험(로깅, 메타데이터, 버저닝, Train/Val/Test 분할) •엣지 하드웨어(Jetson, 임베디드 GPU 등)에 ML/RL 정책 배포 및 성능 최적화 경험

•제어 이론 및 모션 플래닝 배경(MPC, 궤적 최적화, 샘플링 기반 플래닝 등) •Ardupilot, PX4 또는 산업용 로봇 암에 대한 이해/경험 •로보틱스 프레임워크(ROS/ROS2) 및 시뮬레이터(Gazebo, Isaac, UnrealEngine 등) 경험 •뛰어난 커뮤니케이션 능력(영어 능통자 우대)

1차: 서류 평가 2차: 면접 평가 3차: 과제(필요시) or 최종합격