리얼월드(RLWRLD)는 로봇이 인간처럼 세상을 인식하고 사고하며 행동할 수 있게 만드는 로보틱스 파운데이션 모델(Robotics Foundation Model)을 개발하는 Physical AI 선도 기업입니다.
AI·로보틱스 분야의 깊은 연구 역량과 글로벌 데이터 협력 네트워크를 바탕으로, 고자유도 로봇 손의 정밀한 조작을 가능하게 하는 Robotics Foundation Model을 개발하고 있습니다. 최근 공개한 RLDX-1은 다양한 로봇 하드웨어와 환경에 적용 가능한 차세대 모델로, 제조·물류·서비스 등 실제 산업 현장에서 활용 가능한 범용 로봇 지능 구현을 목표로 고도화되고 있습니다. 또한 국내외 VC 및 대기업으로부터 약 600억 원 규모의 시드 투자를 유치하며 빠르게 성장하고 있으며, AI·로보틱스 분야의 뛰어난 인재들이 합류하고 있습니다.
조직 소개
RLWRLD의 프로덕트 조직은 RLWRLD의 모든 프로덕트를 개발하는 부서로, 기획·개발·연구 전반을 책임지고 있습니다.
주요 역할로는 RLWRLD의 근간이 되는 Robotics Foundation Model 개발을 비롯해 해당 모델을 API/SDK 형태로 제공하는 일까지 포함합니다. 이와 더불어 데이터 수집·정제·가공을 위한 텔레오퍼레이션 및 데이터 파이프라인, 모델 학습을 위한 Training System, 모델의 기능과 성능을 검증하는 Benchmark, 로봇을 실제로 제어하는 Robot Control System, 그리고 GPU 등 인프라 자원을 균형 있게 제공하는 Infra System까지 폭넓은 프로덕트를 개발하고 있습니다.
조직은 Research Engineer와 Software Engineer 등으로 구성되어 있으며, 모델 개발과 소프트웨어 개발 중 어느 영역에 더 집중하느냐의 차이만 있을 뿐 각 역할 간의 경계는 비교적 유연하게 운영되고 있습니다. 특히 Robotics Foundation Model 개발을 위해 Academy Researcher들과 긴밀하게 협업하며 공동 연구를 진행하고, Robot Hands 및 Sensor 개발 파트너들과의 협업은 물론, 사내에서는 Business Developer와도 밀접하게 협력하고 있습니다.
포지션명
Data-Centric AI Research Engineer
포지션 개요
우리는 모델 구조만큼이나 데이터가 AI 성능을 좌우한다고 믿습니다.
이 역할은 단순한 데이터 수집을 넘어서, 로봇이 실제 환경에서 잘 동작하기 위한 데이터 중심(Data-Centric) 전략을 수립하고 실행합니다. 데이터의 설계·정제·검증은 물론, 학습 데이터의 가치 측정과 벤치마크 설계까지 폭넓게 다루며, 모델 성능 저하의 원인을 데이터 관점에서 분석하고 해결합니다.
로보틱스 AI의 성능 한계를 데이터를 통해 주도적으로 돌파하고 싶은 분들의 합류를 기다립니다.
주요 업무
- 학습 데이터 구축 전략 수립
- 로보틱스 태스크 특성에 맞는 데이터 구성 전략 설계 (예: 성공/실패 비율, 희귀 케이스, contact-rich 상황, edge case 정의)
- 데이터 다양성, 커버리지, 난이도 분포에 대한 정량적 기준 수립
- 모델 성능 향상에 기여하는 데이터 유형 정의 및 우선순위 설정
- 학습 데이터 구축 실행 및 품질 관리
- 멀티모달 로봇 데이터(vision, state, action, force/torque 등) 정제 및 구조화
- 데이터 노이즈, 결손, 비정상 샘플 탐지 및 정제 파이프라인 구축
- 데이터 버저닝 및 재현 가능한 데이터셋 관리 체계 수립
- 데이터 패턴 분석 및 시각화
- 학습 데이터 분포 분석을 통한 편향(bias), 결손 영역, 중복 패턴 식별
- 모델 실패 사례를 데이터 관점에서 역추적 및 원인 분석
- 대시보드 및 시각화 도구를 활용한 데이터/성능 트렌드 공유
- 벤치마크 설계 및 개발
- 로보틱스 태스크에 적합한 평가 지표 및 벤치마크 시나리오 설계
- 학습 데이터 변화가 모델 성능에 미치는 영향을 검증할 수 있는 평가 체계 구축
- 오프라인 데이터 기반 평가와 실제 로봇 성능 간의 상관관계 분석
- 로봇 성능 측정 및 인사이트 도출
- 로봇 정책 성능을 정성적/정량적으로 평가하고 데이터 관점의 개선 인사이트 도출
- 실패 로그, trajectory, sensor 데이터를 기반으로 데이터 부족 영역 정의
- 도출된 인사이트를 모델링·엔지니어링 팀과 공유하여 학습 전략에 반영
- 팀 협업 및 모니터링
- 모델링팀, 로보틱스 엔지니어링팀과 협업하여 데이터 요구사항 정의
- 데이터 변경이 모델 성능에 미치는 영향에 대한 근거 기반 의사결정 지원
- 데이터 품질 이슈 및 운영 리스크에 대한 모니터링 및 대응
자격 요건
- 데이터 포맷 및 시스템 이해
- Parquet, MCAP, protobuf 등 대규모·복잡한 데이터 포맷 처리 경험
- 멀티모달 시계열 데이터 구조에 대한 이해
- 데이터 분석 및 시각화 역량
- 데이터 분포, 통계 분석을 통한 문제 진단 능력
- Grafana, Kibana, Superset 등 시각화·모니터링 도구 활용 경험
- 소프트웨어 엔지니어링 및 협업 역량
- Python 기반 데이터 처리 및 분석 경험
- Git 기반 협업, 코드 리뷰, 테스트 자동화 등 개발 프로세스 경험
- 명확한 문서화 및 기술 커뮤니케이션 능력
우대 사항
- 데이터 라벨링 및 자동화 경험
- OpenCV, PyTorch, TensorFlow 등을 활용한 자동 라벨링 파이프라인 구축 경험
- 세그멘테이션, 키포인트, trajectory annotation 등 로봇 데이터 라벨링 경험
- Active Learning, Hard-example mining 등을 통한 데이터 효율화 경험
- 로보틱스 / 머신러닝 도메인 이해
- 로보틱스 학습 데이터(teleoperation, simulation, real-world log) 경험
- RL, Imitation Learning, VLA 등 학습 방식에 대한 이해
- 모델이 안 되는 이유를 데이터로 설명해본 경험
근무 조건
- 근무장소 : 서울 강남구 선릉로 561 (역삼동, 루비나빌딩)
- 근무기간 : 정규직
- 해당 포지션은 전문연구요원 대상자의 신규 편입 및 전직 지원이 가능합니다.
- 수습 기간 안내
- 입사 시 3개월의 수습 기간이 적용됩니다.
- 수습 기간 동안 근무 태도와 역량 평가를 진행하며, 평가 결과에 따라 수습 기간이 연장되거나 채용이 취소될 수 있습니다.
지원 방법
- 제출서류 :
- 이력서 (한글 또는 영문)
- (선택) 본인의 역량을 보여줄 수 있는 포트폴리오, 연구자료, 프로젝트 자료 등 추가 제출 가능
- 지원 마감: 상시 모집 (채용 시 마감)
전형 절차
- 서류 전형 > 1차 인터뷰 > 2차 인터뷰 > 최종 합격
- 서류 전형 합격 시 개별적으로 연락이 진행될 예정입니다.
- 절차 상 필요한 경우 커피챗·코딩테스트가 포함될 수 있습니다.
근무 환경 및 지원
- 유연근무제: 출퇴근 시간을 자율적으로 조정해 각자의 리듬에 맞게 일합니다.
- 업무 장비·소프트웨어 지원: 직무에 맞는 업무 장비와 필요한 소프트웨어를 지원합니다.
- 기본 편의시설 운영: 사내 스낵바와 커피 머신을 운영하고 있습니다.
- 명절 및 생일 선물: 명절과 생일에는 소정의 선물을 전합니다.
- 건강검진 지원: 정기적인 건강검진으로 건강 관리를 돕습니다.
