로봇이 실제 환경에서 학습하고 동작하는 데 필요한 본질적인 문제를 스스로 정의하고 해결합니다. 기술 최전선의 연구를 실제 시스템으로 구현하며, 새로운 접근을 먼저 제안하고 검증하는 First Mover의 도전 정신을 지향합니다. 기존 정책 모델과 학습 알고리즘을 활용해 데이터 수집부터 학습 환경 설계, 실제 로봇 검증까지 주도하며, 로봇이 현장에서 작업을 수행하도록 만드는 분을 찾습니다.

1. 시뮬레이션 및 원격조작 기반 데이터 수집 Isaac Sim의 로봇·객체 상태와 작업 조건에 따라 모션 플래닝·역기구학(IK) 기반 자동 수집 및 원격조작(teleoperation) 기반 시연 수집 구현. 영상·로봇 상태·행동 데이터를 동기화하고 학습용 데이터셋 구축 2. 작업 환경 설계 및 정책 학습 관측·행동 공간, 보상 함수, 종료 조건 및 도메인 랜덤화 설계. 기존 강화학습 알고리즘으로 조작(manipulation) 및 이동·조작 통합(loco-manipulation) 정책을 학습하고 성능 평가 3. Sim-to-Real 전이 및 실제 로봇 검증 학습된 정책의 관측·행동 인터페이스, 제어 주기 및 좌표계를 실제 로봇에 맞춰 연동·배포. 실제 공간에서 작업 성공률과 강건성을 평가하고 실패 원인을 분석하여 환경·데이터·학습 설정 개선

• 로봇공학·기계공학·전기전자공학·컴퓨터공학 등 관련 전공 학사 이상 및 로봇 연구개발 경력 5년 이상, 또는 해당 분야 박사 학위 보유 • NVIDIA Isaac Sim에서 로봇 시뮬레이션 환경과 manipulation 작업을 직접 설계·구현한 경험 • Python·PyTorch 기반 강화학습 또는 모방학습으로 manipulation 정책을 학습하고 실제 로봇에서 평가한 경험 • 강체 변환, 정·역기구학, 자코비안, 로봇 동역학·피드백 제어 및 모션 플래닝의 기본 원리에 대한 이해 [기술 스택] Python, PyTorch, NVIDIA Isaac Sim / 강화학습, 모방학습, 모션 플래닝

• 휴머노이드 또는 이동형 매니퓰레이터의 보행·loco-manipulation 정책 학습 경험 • 모션 플래닝·IK 또는 원격조작 기반 시연 데이터 수집 파이프라인 구현 경험 • Isaac Lab·ROS 2 또는 로봇 파운데이션 모델(π₀, NVIDIA GR00T 등)의 적용·미세조정 경험

서류전형 → 1차 실무면접 → 2차 임원면접 → 처우 협의 후 최종합격

-자율출퇴근제 운영 / 자유로운 점심시간 / 장비 지원 / 커피머신 제공 등 4대보험, 퇴직연금·퇴직금, 자유복장, 자유로운 연차 사용, 남성 출산휴가, 신규 입사자 교육(OJT) 등