로봇 학습 모델 개발 및 실증평가 개선

주요 업무

[모방학습 기반 로봇 정책 개발] 실증 데이터를 활용한 로봇 학습 모델 개발 - Teleoperation Demonstration 데이터 기반 Imitation Learning / Behavior Cloning 모델 개발 - Diffusion Policy, ACT 등 매니퓰레이션 정책 모델 구현 및 학습 - State / Action Space 설계 및 학습 조건 정의 - 실 로봇 적용을 고려한 모델 경량화 및 추론 최적화 [공개 모델 활용 및 Fine-tuning] Robot Foundation Model 도입 및 자사 하드웨어 적용 - 공개 VLA / Robot Foundation Model의 자사 그리퍼·작업 대상 Fine-tuning - 사전학습 모델 대비 자체 데이터 학습 효과 분석 - Grasp Pose Estimation 및 6D Object Pose 기반 파지 인식 모델 적용 [모델 실증 평가 및 개선] 실 로봇 기반 AI 모델 성능 검증 - 작업 성공률, 재현성, Cycle Time 등 AI 모델 성능 지표(KPI) 설계 - 실 로봇 환경에서의 모델 성능 평가 및 실패 사례 분석 - Sim-to-Real 성능 차이 분석 및 개선 항목 도출 - 평가 결과 기반 재학습(Re-training) 루프 운영 - 실험 조건·결과 관리 및 재현성 확보 (MLflow 등)

자격 요건

기계공학 전공자 / 전기공학 전공자 컴퓨터공학/전자전기공학/로봇공학/인공지능 관련 전공자 Python 및 PyTorch 기반 Deep Learning 모델 개발 역량을 보유하신 분 Vision / 시계열 / Sensor 데이터 중 하나 이상의 학습 경험을 보유하신 분 연구 결과를 실제 환경에서 검증하려는 문제 해결 역량을 보유하신 분 석사 : 1~3학기 재학생 박사 : Coursework 수료자 ※ Coursework 수료기준 : 성적표 상 학점이 더 이상 기입되지 않는 시점 남성의 경우 병역을 마치셨거나 면제되신 분 (병역특례로 지원불가) 학부성적기준 평점 ‘B’ 이상이신 분 해외여행에 결격사유가 없으신 분

우대 사항

Imitation Learning / Behavior Cloning 기반 로봇 정책 개발 경험자 Diffusion Policy, ACT 등 매니퓰레이션 정책 모델 구현 경험자 공개 VLA / Robot Foundation Model(OpenVLA, π0, RDT, GR00T 등) 활용·Fine-tuning 경험자 Grasp Pose Estimation 또는 6D Object Pose Estimation 경험자 강화학습(PPO / SAC / TD3) 또는 Offline RL 기반 정책 학습 경험자 ROS / ROS2 연동 및 실 로봇 모델 배포 경험자 CUDA / GPU 기반 학습 및 추론 최적화(TensorRT, 양자화) 경험자 실험 관리 및 재현성 도구(MLflow, W&B) 활용 경험자 Robotics / Embodied AI 분야 논문 구현 경험자

공고 내용