[우리는 데이터 라벨링 회사가 아닙니다.] 우리는 모델보다 데이터가 더 큰 병목이 되는 시대가 왔다고 믿습니다. 자율주행, 로봇처럼 공간을 다루는 AI에서 중요한 것은 데이터를 많이 모으는 것이 아니라, 모델의 약점을 드러내는 장면을 찾고, 이해하고, 다시 학습에 반영하는 일입니다. 비저너리는 모델의 약점을 분석하고, 그 장면을 데이터에서 검색하고, 다시 학습시키는 전 과정을 하나의 운영체제로 제공하는 Spatial Data OS를 만듭니다. 42dot에서 자율주행 데이터와 모델 개발을 이끌던 KAIST·서울대 박사들이 모여 시작했습니다. 창업 첫해에 IROS 2025 RoboSense Challenge에서 우승했고, 센서·차종·환경이 다른 고객사 데이터에서도 자동 가공 성능을 검증했습니다. 산업부 지원 국책 R&D를 통해 현대차, 42dot, HL클레무브 등과 협력하고 있으며, 카이스트청년창업투자지주로부터 seed 투자를 유치했습니다. [언론 보도] · 비저너리, 8억 시드 투자 유치…공간지능 OS '프리즘' 고도화 본격화

https://www.unicornfactory.co.kr/article/2026051308575327117

· 비저너리, 세계 최대 로봇 학회 'IROS 2025' 챌린지 우승...

http://www.engjournal.co.kr/news/articleView.html?idxno=3525

· 도전! K-스타트업 2025 지식재산처 장관상 수상

https://www.korea.kr/docViewer/skin/doc.html?fn=4cfa2ed9d570176d0716d0a837f3f614&rs=/docViewer/result/2025.12/12/4cfa2ed9d570176d0716d0a837f3f614

[우리가 만드는 것] · Data Engine: 멀티센서(LiDAR / Camera / LiDAR+Camera) 기반 3D 자동 가공 엔진. 3D 객체·HD Map·Occupancy 등 학습에 바로 쓰이는 형태로 변환하고, 공개 벤치마크와 고객사 데이터 양쪽에서 검증된 자체 3D 인지 모델을 개발합니다. · PRISM: 가공 결과를 구조화(인덱싱)해 검색·분석·검수·버저닝까지 연결하는 플랫폼. 가공된 3D 라벨을 자연어 쿼리로 검색 가능한 데이터 자산으로 변환합니다. [합류하면 풀게 될 문제] 비저너리의 자동 가공 파이프라인은 이미 고객 서버에서 동작하고 있고, 서로 다른 센서·차종·환경의 고객사 데이터에서도 성능을 검증하고 있습니다. 공개 벤치마크에서 높은 성능을 내는 모델과 고객 현장에서 안정적으로 돌아가는 모델은 다른 문제입니다. · (1) 90% → 99%: 어려운 건 드물게 나타나는 edge case들입니다. 이 롱테일까지 사람의 개입을 최소화하며 자동으로 처리합니다. · (2) 0% → 90%: 아직 아무도 자동화하지 못한 태스크·센서·환경에서, 무엇을 풀어야 하는지부터 정의하고 운영 가능한 수준까지 빠르게 끌어올립니다. 합류하시면 이 중 적어도 하나를 책임지게 됩니다. [함께 일할 팀] 이미 비슷한 문제를 풀어본 경험이 있는 팀입니다. 창업 6개월 만에 첫 고객을 확보했고, 1년이 채 되기 전 현대차와 함께 연구개발을 시작했습니다. 아직 작은 팀이지만, 고객과 제품이 있는 상태에서 기술 방향과 과제를 함께 만들어가고 있습니다. · E2E·주행·주차 태스크의 데이터와 모델 개발을 실제 제품 환경에서 리딩한 경험 · KAIST·서울대 박사급 연구진의 3D Vision / Robotics / Autonomous Driving 연구 경험 · ICCV, AAAI, ICRA 등 Top-tier 학회 연구 경험 · 1000TB가 넘는 자율주행 데이터를 실제로 운영해 본 실무 경험 [일하는 방식] · 자율성을 최대한 보장하는 대신, 각자 자기 결과에 책임집니다. 무엇을 어떻게 할지는 직접 정하고, 보고나 승인을 받느라 시간을 쓰지 않습니다. · 어렵거나 막히는 문제를 혼자 끌어안지 않습니다. 누구에게든 바로 의견을 구하고, 일의 경계를 따지지 않고 함께 해결합니다. · 진행 상황은 결과로 나누고, 결정은 직급보다 근거로 합니다. 서로의 판단을 존중하며 '님'으로 소통합니다.

• 새로운 센서·환경·도메인에서도 최소한의 추가 학습으로 동작하는 3D 자동 가공 모델 연구·개발 • E2E·VLA 자율주행 모델 학습을 위한, 기존에 없던 형태의 전용 데이터를 정의하고 자동 생성하는 기술 개발 • 모델의 취약점을 진단하고 필요한 데이터를 큐레이션해 재학습으로 잇는 자기개선 데이터 루프(Active Learning) 설계 • Foundation model의 의미 표현을 3D 공간에 grounding해, 환각 없이 재현 가능한 검색을 여러 도메인으로 일반화하는 연구

[필수] • 관련 전공 석사 이상 학력 혹은 그에 준하는 경력 및 실력 • 딥러닝 프로젝트를 학습→평가→개선→결과물까지 주도한 경험 • 3D vision 또는 멀티센서 데이터를 다뤄본 경험 (연구/산업 무관) • 논문/오픈소스 아이디어를 빠르게 구현하고 실험으로 의사결정까지 연결해 본 경험 [이런 분을 찾습니다] • 주도적으로 문제를 정의하고 해결하는 분 • 시키는 일만 하는 것이 아니라, 문제를 스스로 파악하고 방향을 제시할 수 있는 분 • 모르는 영역에서도 탐구하며 답을 찾아가는 분 [이런 분은 맞지 않을 수 있습니다] • 수동적으로 지시를 기다리는 분 • 정해진 범위 안에서만 일하고 싶은 분

• 3D Detection / Occupancy / HD Map / Tracking 중 하나를 깊게 다뤄본 경험 • Auto labeling / weak supervision / active learning / uncertainty estimation 관련 경험 • 대규모 데이터셋 구축, 실험 추적, 데이터·모델 버저닝 경험 • 100TB 이상 규모의 데이터 파이프라인을 다뤄본 경험 • 자율주행 / 로보틱스 / Spatial AI 도메인 지식

• 지원서 접수 → 1차 기술 인터뷰 (온/오프라인) → 2차 기술 인터뷰(오프라인) → 처우 협의 → 최종 합류 • 코딩테스트나 사전 과제는 진행하지 않습니다. 본인의 경험과 역량이 잘 드러나는 자료(이력서·포트폴리오·깃허브·프로젝트 설명 등, 형태 자유)를 제출해 주세요. • 기술 인터뷰는 정답을 맞히는 문제가 아니라 정답을 찾아가는 과정을 봅니다. 가상 시나리오를 바탕으로 문제를 정의하고 해결 방향을 논의합니다.

[보상] • 역량에 따른 대기업 수준 보상, 스톡옵션 • 승인 과정 없는 자유로운 휴가 사용 [근무 형태] • 주 3일 출근(서울 선릉) + 주 2일 재택 • 유연근무 및 자율 출퇴근 (코어타임 11:00~16:00) [컴퓨팅 및 장비] • on-premise GPU 클러스터 운영: RTX PRO 6000 연내 4노드 증설, GPU 인프라 예산 총 30억원 확보 • 개발 장비 및 Coding Agent(Claude Code, Codex, Gemini) 비용 무제한 지원 [성장] • 주요 학회 참석 및 학습 기회 장려 • 초기 멤버로서 제품 아키텍처를 함께 설계 • 특허 등록 지원 [참고] • 3개월 수습기간, 수습 기간 급여 100% 지급 • 지원 전 커피챗(온·오프라인)을 요청하실 수 있습니다. • 지원서 내용 중 허위 사실이 있는 경우 합격이 취소될 수 있습니다.