About this role
Summary: Develops machine learning models that recognize wearable robot motion and intent from sensor data and personalize walking control for users. Builds training pipelines, research prototypes, and technical documentation.
### 회사 소개
위로보틱스는 세계 최초로 Single Motor 기반 개인용 보행 보조 웨어러블 로봇을 상용화하고, 3년 연속 총 4개의 CES Innovation Awards를 수상한 Deep Tech 로보틱스 기업입니다. 고자유도 정밀 로봇 핸드 기술, 높은 역구동성(backdrivability)을 갖춘 액추에이터 설계, 경량 메커니즘, 실시간 전신 제어 기술을 기반으로 2025년 차세대 휴머노이드 로봇 ALLEX를 공개했으며, 로봇이 실제 물리 세계에서 접촉·상호작용하며 학습하는 Physical AI 플랫폼을 구축하고 있습니다.
### 우리 팀은 이런 일을 합니다
저희 Innovation Lab의 Human-Robot Interaction(HRI) 파트는 웨어러블 로봇 개발의 선행연구를 전담하는 조직으로, 현 제품에 적용 가능한 신규 메커니즘과 제어 알고리즘, 최적화 기반 개인맞춤형 제어 기술부터 차세대 제품으로 발전시킬 수 있는 혁신적인 구조·메커니즘·알고리즘까지 데이터 기반으로 연구개발하고 있습니다. 자체적인 데이터 수집·분석 및 개발 기술의 검증평가 역량을 보유하고 있으며, 사용자 데이터를 기반으로 한 대규모 보행 데이터베이스를 구축하고 지속적인 학습을 통해 웨어러블 로봇의 성능을 고도화하는 연구를 수행하고 있습니다. 또한 다양한 환자군을 대상으로 웨어러블 로봇의 재활임상적 효과를 검증하고, 이를 의료기기로 확장하기 위한 연구를 여러 의료기관 및 대학과의 협업을 통해 진행하고 있습니다. 소수 정예로 운영되며 소속인원 각자의 전문성을 바탕으로 수평적이고 지속적인 소통을 통해 공동의 목표를 이루고자 노력하는 조직문화를 만들고 있습니다. 선행연구 및 임상연구 특성상 외부 기관 (대학연구실, 의료기관 등)의 협업이 잦고, 학회 및 논문 발표 등의 대외활동이 있습니다. 회사 내부적으로는 디자인파트와 선행 제품 개발 관점에서 긴밀히 협업하고, 대외적인 기술소개 및 홍보 측면에서 경영본부/영업/마케팅과도 협업이 잦습니다.
### 주요 업무
- 웨어러블 센서(IMU, 인코더 등) 시계열 데이터 기반 동작·의도 인식 및 gait phase/보행변수 추정 모델 구현
- 모션-웨어러블로봇 매칭 데이터셋 기반 모델 학습·검증 파이프라인 구축 및 관리
- 라벨 없는 대량 사용자 데이터의 self-supervised 사전학습 + 소량 라벨 데이터 기반 미세조정 파이프라인 연구·구현
- 생성형 모델(diffusion 등) 기반 개인 맞춤 보행 패턴 추정·생성 연구
- 사용자 보행 패턴 분류 및 패턴별 개인맞춤최적화 모델 연구
- 신경망 아키텍처 선정, 하이퍼파라미터 설계 및 모델 학습 파이프라인 구축
- 학습된 모델의 실로봇 적용성 검토 및 실시간 추론 최적화
- 생체역학 도메인 지식 기반 모델 고도화 및 인체 데이터 증강 연구
- 연구 결과의 논문화 및 특허 출원을 위한 기술 문서 작성
### 자격 요건
- 경력: 석사: 실무/연구 경력 3년 이상, 박사: 실무 경력 무관이나 학위 과정 중 연구 실적 보유
- 학력 및 전공
- 학력: 석사 이상
- 전공: 인공지능/컴퓨터공학 또는 관련 전공.
(학부 로봇공학, 학부 생체역학/인간공학 등 관련 전공자중 대학원 인공지능/컴퓨터공학 분야 연구 )
- 필수역량/업무경험
- Python 능숙 활용 및 PyTorch 또는 TensorFlow 등 딥러닝 프레임워크 숙련
- 신경망 구현·학습·튜닝 실무 경험
- 시계열 데이터 처리·분석 경험
- 논문 및 특허 검색·분석을 통한 선행기술 조사(state-of-the-art survey) 역량
- Git 기반 협업 개발 경험
### 우대 사항
- 웨어러블/인체 부착 센서(IMU, sEMG 등) 시계열 데이터 기반 동작/의도 인식 연구 경험
- Self-supervised learning / 표현학습(사전학습-미세조정 파이프라인) 연구 또는 구현 경험
- Diffusion, VAE 등 생성형 모델 기반 시계열·동작 생성 연구 경험
- 강화학습(RL) 또는 모방학습(Imitation Learning) 기반 모델 연구 경험
- Knowledge distillation, 도메인적응(domain adaptation, 예: MMD 기반) 연구 경험
- Bayesian 최적화 기반 모델 하이퍼파라미터 및 사용자 적응 모델 최적화 경험
- 생체역학 기반 시뮬레이션 환경(MuJoCo, SCONE, OpenSim, Isaac Sim/Lab 등)을 활용한 sim-to-real 검증 연구
- LLM/Foundation Model fine-tuning 또는 대규모 시계열 데이터 전처리 파이프라인 구축 경험
- 도메인 지식(보행역학 등)을 학습 네트워크에 반영해본 경험
- 국내외 학회 발표 또는 논문 게재 실적
- 특허 출원 또는 등록 실적 보유
### 기술 스택
- Python
- PyTorch
- 생성형 모델 (Diffusion 등)
- 강화학습 (RL)
- 예측기반 시뮬레이션 (MuJoCo, SCONE, OpenSim 등)
- 시계열 데이터 분석
- LLM
### 채용 프로세스
- 서류 전형 → 직무 인터뷰 → (필요 시 2차 인터뷰) → 경영진 인터뷰 → 처우 협의 → 최종 합격
- 각 단계 결과는 개별적으로 안내드립니다.
### 지원 시 참고
- 이력서에 직접 수행하신 프로젝트와 본인의 기여를 구체적으로 기재해 주시면 검토에 큰 도움이 됩니다.
- 국가보훈대상자 및 장애인은 관련 법률에 의거 우대합니다. (증빙서류 제출자에 한함.)
- 제출서류에 허위기재 또는 기재착오, 구비서류 미제출 등으로 인한 불이익은 응시자 본인의 책임으로 합니다.
- 제출서류나 증명서의 기재내용이 허위일 경우, 응시를 무효로 하며 합격을 취소합니다.