“기술로 안전을 실현하는 AI 기반 LiDAR SW 솔루션 뷰런테크놀로지” 뷰런테크놀로지는 사람과 인프라, 모든 이동의 순간을 더 안전하게 만드는 AI 기반 LiDAR SW 솔루션 전문기업입니다. 도로, 공사현장 등 위험이 도사리는 모든 공간에서 ‘오늘도 무사히’라는 가치를 실현하기 위하여 독자적인 기술력으로 자율주행과 스마트 인프라 분야의 글로벌 표준을 만들어 가고 있습니다.
[뷰런의 성장]
독보적 기술력과 시장 신뢰 입증: 뷰런은 24년 9월 220억 원 규모의 시리즈 A 투자 유치에 성공하며, LiDAR 솔루션 분야의 독보적인 기술력과 성장 가능성을 증명했습니다.
글로벌 No.1을 향한 담대한 여정: 뷰런은 2026년 IPO 상장을 목표로 스케일업을 가속화하고 있습니다. 또한 25년 6월 LiDAR 기반 AI 개발통합 플랫폼 VueX의 아마존웹서비스(AWS) '소프트웨어 패스' 인증 및 AWS 마켓플레이스 제품 등록으로 글로벌 시장 진출의 기반을 마련했습니다.
본질에 집중하는 성장 문화: 뷰런은 ‘목표 달성’이라는 본질에 집중합니다. 불필요한 절차와 형식주의를 없애고, 모든 구성원 각자가 최고의 역량을 발휘하여 탁월한 성과를 만들어내는 환경을 제공합니다.
뷰런은 안전을 기술로 구현하는 세계 최고의 팀을 만들어 가고 있습니다. 더 안전한 세상을 만드는 여정에 함께 할 뷰러니를 기다립니다!
[합류하게 될 팀에 대해 알려드려요] VueTwo(Smart Infra TF)는 라이다 센서 기반의 3D 인지 기술을 활용하여 스마트시티(ITS), 스마트 주차 관제, 대규모 물류 및 국방·보안 영역에 적용되는 최고 수준의 공간 지능 솔루션, 'VueSense'를 연구 및 개발하는 팀입니다.
통제된 실험 환경에서의 단편적인 성능 지표 달성을 넘어, 실제 현장 및 야외 환경에서 발생하는 복합적인 난제들을 기술적으로 해결하는 데 집중하고 있습니다. 폭우, 폭설, 야간 환경 등 기존 2D 카메라 비전 시스템이 지닌 한계와 사각지대를 극복하기 위해, 3D 포인트 클라우드 데이터 분석과 고도화된 딥러닝 아키텍처를 융합한 인지 시스템을 구축하고 있습니다. 특히, 대규모 인프라 환경에서 필연적으로 발생하는 객체의 가림 현상 및 ID 스위칭 해결, 복잡한 환경 노이즈로 인한 오탐의 차단, 그리고 제한된 엣지 컴퓨팅 하드웨어 상에서의 실시간 추론 및 메모리 최적화는 VueTwo 팀이 주도적으로 고도화하고 있는 핵심 연구 분야입니다. VueTow 팀의 모든 R&D 산출물은 선행 연구에 그치지 않고, 엄격한 시스템 검증을 거쳐 수백억 규모의 국가 공공 인프라 및 B2B/B2G 산업 현장의 상용 솔루션으로 도입되고 있습니다. 깊이 있는 기술적 전문성을 바탕으로 현실 세계의 인프라 문제를 해결하고, 라이다 인지 기술의 성공적인 상용화와 글로벌 표준을 함께 주도해 나갈 역량 있는 엔지니어 분들의 많은 지원을 바랍니다.
주요 업무
DL/ML 기반 다중 객체 추적 아키텍처 설계 및 R&D
3D Point Cloud 데이터의 특성을 고려한 클러스터링 알고리즘 고도화 및 예외 케이스 버그 추적/수정
라이다 센서 기반 인지 모델 아키텍처 설계 및 성능 고도화 (VFE, MPS 구조 등 다양한 모델 적용 및 평가)
객체 오검출 및 부작용 억제를 위한 인지/추적 포인트 최적화
자격요건
관련 분야의 석사 이상 학위 또는 그에 상응하는 실무 경험이 있으신 분
AI 기반 3D Object Detection/Tracking 알고리즘 개발 경험이 있으신 분
PyTorch, TensorFlow 등 Deep Learning 프레임워크 활용 및 모델 설계 경험이 있으신 분
클러스터링 알고리즘(DBSCAN, Euclidean 등)의 수학적 원리를 이해하고 코드로 최적화할 수 있는 분
Python 및 C++를 활용하여 알고리즘을 구현하고 검증할 수 있는 역량을 보유하신 분
주도적으로 최신 논문을 분석하고, 이를 바탕으로 기존 시스템의 한계를 돌파하는 비판적 사고를 지니신 분
우대사항
NVIDIA Jetson AGX Orin 등 Edge 환경에서의 AI 모델 경량화 및 추론 최적화(TensorRT, CUDA 등) 경험이 있으신 분
딥러닝 모델 배포 시 발생하는 리소스 병목(Memory Leak, OOM)에 대한 이해와 최적화 경험이 있으신 분
