42dot에서 Physical AI Engineer를 채용합니다. End-to-End Trajectory Generation 및 Decision-making 모델 개발을 주도하며, Reinforcement Learning과 Motion Planning 기술을 활용해 자율주행 AI 성능을 고도화합니다. 석사 학위 이상 또는 동등한 실무 경험과 Python/PyTorch 활용 능력이 필수입니다.
AD Division의 Physical AI Engineer (Model)는 Generative AI 기술을 실제 로봇 및 모빌리티 시스템의 의사결정과 제어로 연결하는 역할을 수행합니다. 차세대 End-to-End Trajectory Generation 및 Decision-making Model 개발에 참여하며, 복잡하고 동적인 환경에서도 안전하고 효율적인 주행이 가능한 Physical AI 시스템을 구축합니다. 또한 Reinforcement Learning(RL), Imitation Learning(IL), Motion Planning 기술을 융합하여 Autonomous Driving AI의 성능을 향상시키고 실제 차량 환경에 적용 가능한 모델을 개발합니다.
The Physical AI Engineer (Model) in the AD Division bridges generative AI technologies with real-world robotic and mobility actuation systems. This role focuses on developing next-generation end-to-end trajectory generation and decision-making models capable of safe and efficient operation in complex and dynamic environments. You will integrate reinforcement learning, imitation learning, and advanced motion planning techniques to improve autonomous driving AI performance and deploy scalable physical AI solutions.
End-to-End Trajectory Generation 및 Decision-making Model 개발을 위한 데이터 전처리, 모델 학습 및 성능 검증 수행
Model-Based Reinforcement Learning(MBRL) 및 Imitation Learning(IL) 알고리즘 개발 및 최적화
Motion Planning, Filtering(Kalman Filter, Particle Filter 등), Navigation 알고리즘 통합 및 검증
CUDA 기반 딥러닝 모델 및 Planning Pipeline 최적화를 통한 On-device Real-time 성능 확보 지원
Simulation 및 실제 차량 환경에서 AI 모델 및 알고리즘 검증 수행
Perception, Planning, Control 팀과 협업하여 차세대 Physical AI 시스템 개발
Develop data preprocessing pipelines, train models, and conduct performance validation for end-to-end trajectory generation and decision-making models
Develop and optimize Model-Based Reinforcement Learning (MBRL) and Imitation Learning (IL) algorithms
Integrate and validate motion planning, filtering (e.g., Kalman Filter, Particle Filter), and navigation algorithms
Support on-device optimization of deep learning models and planning pipelines using CUDA to achieve real-time performance
Validate AI models and algorithms in simulation and real-world vehicle environments
Collaborate with perception, planning, and control teams to develop next-generation physical AI systems
컴퓨터공학, 전자공학, 로봇공학, 항공우주공학 또는 관련 분야 석사 학위 이상 또는 이에 준하는 실무 경험
Python 및 최신 딥러닝 프레임워크(PyTorch, JAX)를 활용한 AI 모델 개발 및 학습 경험
Motion Planning, Filtering, Navigation 알고리즘에 대한 이론적 이해 및 구현 경험
Simulation 또는 실제 Hardware 환경에서 AI 모델 및 알고리즘 검증 경험
머신러닝, 딥러닝 및 강화학습에 대한 이해
Master’s degree or higher in Computer Science, Electrical Engineering, Robotics, Aerospace Engineering, or a related STEM field, or equivalent practical experience
Hands-on experience developing and training AI models using Python and modern deep learning frameworks such as PyTorch or JAX
Strong theoretical and practical understanding of motion planning, filtering, and navigation algorithms
Experience validating AI models and algorithms in simulation environments or on real hardware systems
Strong understanding of machine learning, deep learning, and reinforcement learning concepts
ICRA, IROS, CVPR, NeurIPS, RSS 등 Robotics 및 Computer Vision 분야 Top-tier 학회 또는 저널 논문 게재 경험
C++, CUDA, TensorRT 기반 고성능 연산 및 추론 최적화 경험
End-to-End Trajectory Generation 또는 Generative AI 기반 Motion Planning 프로젝트 경험
Reinforcement Learning(RL) 또는 대규모 Imitation Learning(IL) 데이터셋 구축 및 Training Pipeline 운영 경험
Autonomous Driving 또는 Robotics 분야 AI 모델 개발 경험
대규모 AI 학습 및 추론 시스템 구축 경험
Publication record in top-tier robotics and computer vision conferences or journals such as ICRA, IROS, CVPR, NeurIPS, or RSS
Experience with high-performance computing and inference acceleration using C++, CUDA, and TensorRT
Experience developing end-to-end trajectory generation models or generative AI-based motion planning systems
Experience building datasets and operating training pipelines for reinforcement learning or large-scale imitation learning
Experience developing AI models for autonomous driving or robotics applications
Experience building large-scale AI training and inference systems
서류전형 - 코딩테스트 - 화상면접 (1시간 내외) - 대면 혹은 화상면접 (3시간 내외) - 최종합격
전형절차는 직무별로 다르게 운영될 수 있으며, 일정 및 상황에 따라 변동될 수 있습니다.
전형일정 및 결과는 지원서에 등록하신 이메일로 개별 안내드립니다.
Resume Screening - Coding Test - Virtual Interview (approximately 1 hour) - Onsite or Virtual Interview (approximately 3 hours) - Final Offer
Please note that the interview process may vary depending on the position and is subject to change based on scheduling and other circumstances.
Interview schedules and results will be communicated individually via the email address provided in your application.
모든 제출파일은 PDF 양식으로 업로드를 부탁드립니다.
국가보훈대상자 및 취업보호대상자는 관계법령에 따라 우대합니다.
장애인 고용촉진 및 직업재활법에 따라 장애인 등록증 소지자를 우대합니다.
42dot은 의뢰하지 않은 서치펌의 이력서를 받지 않으며, 요청하지 않은 이력서에 대해 수수료를 지불하지 않습니다.
3개월의 수습기간이 적용될 수 있습니다.
Please upload all required documents in PDF format.
Veterans and applicants eligible for employment protection will receive preferential consideration in accordance with applicable laws and regulations.
In compliance with the Act on Employment Promotion and Vocational Rehabilitation for Persons with Disabilities, registered individuals with disabilities will receive preferential consideration.
42dot does not accept unsolicited resumes from search firms. We will not pay any fees for resumes submitted without prior agreement.
A 3-month probationary period may apply.
42dot이 일하는 방식, 42dot Way 보러가기 →
Learn more about how we work at 42dot, 42dot Way →
42dot만의 업무몰입 프로그램, Employee Engagement Program 보러가기 →
Explore 42dot’s unique Employee Engagement Program, Employee Engagement Program →
