에어빌리티에서 강화학습을 활용해 무인기 자율 의사결정 시스템을 연구할 인재를 찾습니다. Python/PyTorch 기반의 알고리즘 구현 능력과 시뮬레이션(IsaacSim/Gazebo) 환경 경험이 필수입니다. Sim-to-Real 격차를 해결하고 실기체에 정책을 이식하는 핵심 과제를 수행하며, 항공우주 분야의 혁신을 함께 만들어갈 분을 기다립니다.
에어빌리티(주)는 덕티드 팬 기반 탠덤(Tandem) VTOL 무인기 플랫폼을 자체 개발하고 있는 항공우주·AI 기술 기업입니다. 우리는 단일 기체에 그치지 않고, eVTOL 플랫폼에서 출발하여 다양한 무인기(UAV) 및 Counter-UAS 시스템으로 사업 영역을 확장해 나가고 있습니다.
본 포지션은 시뮬레이션 환경에서 학습한 강화학습 정책을 실기체에 이식하여 기존 룰베이스 알고리즘으로 풀기 어려운 자율 의사결정 문제를 해결하는 역할입니다.
강화학습·자율 의사결정 연구원은 시뮬레이션 기반 강화학습을 통해 비행제어, 임무 의사결정, 군집 협업 등의 정책을 학습하고 실기체에 이식하는 연구·개발을 수행합니다. Sim-to-Real 격차를 줄이는 것이 핵심 과제입니다.
• 비행제어 또는 임무 의사결정 문제의 MDP 정의 및 보상 함수 설계
• PPO, SAC, DQN 등 강화학습 알고리즘 구현 및 학습 파이프라인 운영
• IsaacSim / Gazebo 등 시뮬레이션 환경에서의 대규모 병렬 학습
• Sim-to-Real 격차 분석 및 도메인 랜덤화·도메인 적응 기법 적용
• 다중 에이전트 강화학습(MARL) 기반 군집 협업 정책 연구
• 학습된 정책의 실기체 검증 및 안전성·신뢰성 평가
• 최신 RL 논문 추적 및 사내 적용 가능성 검토
• 전공: 컴퓨터공학·로봇공학·항공우주·전자·수학·통계 또는 관련 학과
• 학력: 학사 이상 (석사 이상 우대)
• 강화학습 또는 머신러닝 연구·개발 경력 3년 이상 (학위 과정 포함)
• Python / PyTorch 기반 RL 알고리즘 구현 경험
• RLlib, Stable-Baselines3, CleanRL 등 RL 프레임워크 활용 경험
• 시뮬레이션 환경(Gym, IsaacSim, Gazebo 등) 기반 학습 경험
• 수치 최적화, 확률·통계, 제어이론 기초 지식
• 석사 또는 박사 학위 (강화학습·로보틱스·제어 분야)
• Sim-to-Real 또는 도메인 적응(Domain Randomization 등) 실무 경험
• 다중 에이전트 강화학습(MARL) 연구 경험
• 로봇 또는 무인기 실기체에 RL 정책 이식 경험
• 관련 학회(NeurIPS, ICML, ICRA, CoRL 등) 논문 발표 실적
• GPU 클러스터 또는 대규모 분산 학습 운용 경험
• MATLAB/Simulink 또는 모델 기반 제어 경험
• 에어빌리티의 비전(eVTOL·UAV·Counter-UAS 통합 플랫폼)에 공감하고 장기적으로 함께 성장하고자 하는 분
• 스타트업 환경에서 주도적으로 문제를 정의하고 해결한 경험
• 타 도메인(소프트웨어·하드웨어·운용 등) 엔지니어와의 협업에 적극적인 분
• 기술 문서·코드 리뷰·발표를 통해 동료와 지식을 공유하는 문화에 익숙한 분
• 항공/방산 프로젝트(국과연, ADD, 방사청 등) 수행 경험
• 비밀취급인가 보유자 또는 취득 의향자
• 영문 기술 문서 작성·발표 가능자
