디스펙터는 피지컬 AI 기반으로 "인지–판단–허가–실행–회고" 전 주기를 연결하는 로봇 운영 플랫폼을 만듭니다. 우리는 연구용 로봇이 아니라, 현장에서 스스로 판단하고 행동하는 로봇을 만듭니다. - 보는 것을 넘어 이해하고, - 이해한 것을 행동으로 옮기며, - 한 번 배운 작업을 다른 환경에서도 수행하는 로봇. 데이터를 쌓는 것이 아니라, 학습이 실제 작업 성공률로 이어지는 Physical AI를 만듭니다. 당신은 디스펙터의 로봇의 사고 및 행동을 책임지는 리드입니다.

- VLA/Imitation Learning 기반 로봇 조작(manipulation) 정책 설계 및 구현 - Teleoperation 기반 데이터 수집 → 전처리 → 학습 → 평가 → 배포까지 End-to-End 파이프라인 구축 - Contact-rich manipulation 및 다중 센서(RGB-D, proprioception 등) 통합 학습 모델 개발 - Robot Foundation Model(RFM) fine-tuning 및 multi-task/generalization 전략 수립 - Sim2Real 전환 전략(domain randomization, real gap 분석) 및 검증 체계 구축 - 로봇 플랫폼 제약 내 실행 파이프라인 및 안전 가드레일(override/fallback) 설계 - 현장 로그 기반 성능 평가·회귀 방지 체계 구축 및 지속적 모델 개선

- 로봇 관련 연구가 재밌고 즐거워서 몰두할 수 있는 사람!!! - Imitation Learning/Policy Learning/VLA 계열 프로젝트 수행 경험 - 해당 분야 3년 이상 경험 (석/박사 포함) - 로봇 제어/시뮬레이터(또는 실로봇) 연동 경험(최소 1개 이상) - 깨졌을 때 로그로 원인 찾고, 구조로 해결하는 사람 - "이론상 된다"가 아니라 "현장에서 돌아간다"를 만드는 사람

- 실로봇 기반 데이터 수집·리플레이·평가 자동화 파이프라인 구축 경험 - RT(Real-Time) 제약, 저지연 추론 및 제어 안정성 고려한 정책 설계 경험 - Safety constraint(Force/Workspace/Collision) 포함 학습 또는 제어 구조 설계 경험 - 멀티모달(Vision + Proprioception/Force/State) 정책 학습 및 통합 경험 - Diffusion Policy, Transformer 기반 정책, BC/DAgger 등 최신 IL 기법 적용 경험 - Sim2Real 전환 및 Domain Randomization 기반 일반화 전략 경험 - 현장 로그 기반 성능 분석 및 failure case mining 경험

서류 → 1차(실무) → 2차(경영진) → 최종 각 단계는 최대한 빠르게 진행합니다. 합격 여부와 관계없이 결과를 안내드립니다.

- 연봉: ~ 12,000 만원 (협의 가능 / 역량에 따라 상향 조정 가능, 자료제공 필수) - 성과 기반 인센티브 - 퇴직급여제도(연봉 1/12 적립) - 유연 출근(8~10시 선택) - KT판교빌딩 근무 (사내 피트니스 무료)