WoRV팀, 채용합니다!

직군 소개 - Research Engineer (Physical AI)

"Foundation Embodied Agent의 연구개발부터 실세계 로보틱스 구현까지 담당하는" 직군입니다.

WoRV(World model for Robotics and Vehicle control)팀은 인간처럼 다양하고 고차원적인 정보를 통합해 판단하고 행동하는 에이전트를 만들어 로보틱스와 자율주행 문제를 해결하고 있습니다.

현재 Physical AI Research 팀에서는 다음 세 가지 핵심 과제를 중심으로 연구/개발을 진행하고 있습니다.

1. Foundation Embodied Agent의 훈련 레시피 구축
   • 아직 정립되지 않은 Embodied AI 분야에서, 처음 보는 환경·규칙·로봇·지시 등에 모두 강건하게 반응하는 Foundation Embodied Agent를 만들기 위한 새로운 훈련 레시피를 연구·개발합니다.
   • 이를 통해 다양한 환경에서 협력, 추론, 적응이 가능한 범용 주행 에이전트 완성을 목표로 합니다.
2. Foundation Embodied Agent의 기억 & 효율성 문제 해결
   • 대다수의 RFM(Robotics Foundation Model)은 기억 없이 현재 observation만으로 행동을 결정해, 수행 가능한 태스크 범위가 크게 제한됩니다. 인간은 기억을 기반으로 행동하므로, 모방학습의 전제가 깨지는 문제도 큽니다.
   • MLLM(Multimodal LLM)의 시각 정보를 처리하는 방식도 비효율적인 측면이 많습니다. 이 전반적인 문제를 해결해, 더욱 효율적인 Embodied Agent를 만들기 위한 연구를 진행합니다.
3. 실세계 로보틱스 시스템 구현 및 통합
   • CANVAS와 함께 자율주행의 여러 modular, rule-based인 레거시 모듈(Perception, Planning, Control, Localization, Mapping)을 점진적으로 새로운 기법으로 대체하고, 하나의 모델로 통합해, 인간 수준의 직관적이고 지능적인 주행을 구현합니다.
4. Sim-to-Real Gap 해결
   • 로보틱스를 위해서는 simulation 환경에서의 데이터 구축이 필수에 가까운 요소가 됩니다. 그러나, 시뮬레이션 데이터와 현실의 데이터 간 괴리가 너무 크다면, 모델 학습에 시뮬레이션 데이터를 활용할 수 없게 됩니다.
   • 이를 해결하기 위해 domain randomization, delayed reinforcement learning 등의 접근으로 sim-to-real gap을 해소하기 위한 연구를 진행합니다.

전폭적인 연구 지원

• 초고성능 GPU 클러스터: CORE(Compute-Oriented Research Environment) 보유 [CORE 소개]

  • 연구용 On-premise DGX H100 12대(H100x96), A100 30대 이상, V100 10대 이상 운용중

• sim/real 모두에서 high-quality, all by human 주행 데이터를 얻을 수 있는 파이프라인 보유

  • 연구 조직의 수요에 따라 맞춤형 데이터, annotation 무제한 제공

• 200시간을 넘는 약도 기반 주행 데이터 보유, 연구팀이 원하는 데이터 무제한 제공

• NeurIPS, ICLR, CVPR, ECCV, Interspeech, ACL 등 학회 참석 및 논문 투고 전폭적 지원

  • 해외 저널 Accept시 학회 참가 비용 전액 지원

  WoRV Tech Blog

  Publications | maum.ai BRAIN Team

  Open-Source Activities | maum.ai BRAIN Team

핵심 업무

• Foundation Embodied Agent의 pretraining 및 post-training을 위한 모델 설계·구현
• 다양한 시각·언어·행동 데이터 파이프라인 구축 및 고도화
• 에이전트가 장기적 기억을 형성·활용할 수 있는 방법 연구
• 효율적인 학습 및 추론을 위해 멀티모달 기반 모델 아키텍처 최적화
• 자율주행의 여러 modular, rule-based인 레거시 모듈(Perception, Planning, Control, Localization, Mapping)을 점진적으로 새로운 기법으로 대체