ROBROS는 휴머노이드 로봇이 실험실을 벗어나 실제 작업 환경에서도 안정적으로 동작하게 만들 인재를 찾고 있습니다. 이를 위해 Vision/State/Action/Force·Torque 등 Multimodal Robot Data를 체계적으로 설계·정제·분석·평가하고, 데이터 기반 의사결정으로 모델 성능을 극한까지 끌어올릴 인재를 찾습니다.
본 포지션은 로봇 학습 데이터의 스펙 정의 - 품질·분포 관리 - 성능 상관관계 분석 - 평가 프레임워크 구축까지 전 과정을 리드하며, AI 팀이 더 빠르고 정확하게 성능을 개선할 수 있도록 데이터 측면에서 핵심 엔진 역할을 수행합니다.
주요 업무
1) 데이터 전략 및 스펙 정의
Robotics task 특성에 맞는 데이터(vision / joint position / action / force / torque 등) 구성·정제·구조화·표준화
데이터 분포의 정량적 기준(coverage, imbalance, rarity 등) 정의
데이터 변경이 성능에 미치는 영향을 검증하는 평가 프레임워크 설계·구축
성능 개선에 기여하는 핵심 데이터 유형 규정 및 우선순위화
2) 데이터 분석 및 인사이트 도출
데이터 분포 분석을 통해 통계학적 패턴/편향/결측/이상치 식별
Offline 지표 - 실제 로봇 성능 간 상관관계 분석 및 해석
모델 실패 케이스를 sensor/trajectory 레벨로 역추적하여 원인 규명 및 개선안 도출
시각화 기반으로 데이터·성능 트렌드와 인사이트를 팀에 공유
분석 결과를 기반으로 Filtering/Validation pipeline 구축 및 자동화
3) 협업 및 운영 리스크 대응
AI 팀/데이터 수집 팀과 요구사항을 정의·합의·문서화
데이터 변경과 모델 성능의 관계를 통계학적 근거로 정리하여 학습/평가 의사결정 지원
데이터 품질 모니터링/대응 체계 구축
자격요건
데이터 포맷·시스템 이해
Parquet, MCAP, protobuf 등 대규모 데이터 포맷 처리 경험
Multimodal time-series 데이터 구조에 대한 이해
분석·시각화 역량
통계/분포 분석 기반의 문제 진단 및 원인 규명 능력
Grafana/Kibana 등 모니터링·시각화 도구 활용 경험
프로그래밍 및 엔지니어링 역량
Python 기반 데이터 처리·분석 경험
Git 기반 협업 경험
문서화 및 기술 커뮤니케이션 역량
*** 지원자의 자격요건은 데이터/로보틱스 프로젝트 경험, 성능 개선 사례, 오픈소스 기여, 기술 문서/발표 등으로 뒷받침될 수 있습니다.***
우대사항
데이터 라벨링 및 자동화 경험
OpenCV, PyTorch, TensorFlow 등을 활용한 자동 라벨링 파이프라인 구축 경험
Segmentation / keypoint / trajectory annotation 등 로봇 데이터 라벨링 경험
Active Learning, Hard-example mining 기반의 데이터 개선 경험
로보틱스·머신러닝 도메인 이해
로보틱스 학습 데이터 (teleoperation, simulation) 수집 경험
Reinforcement Learning / Imitation Learning 등 학습 방식에 대한 이해
