About The Role

Humanoid Whole-Body Control RL Engineer는
강화학습을 기반으로 휴머노이드 로봇의 전신 제어 정책을 학습시키고,
이를 실제 로봇 환경에서 안정적으로 동작하도록 만드는 역할입니다.
이 포지션은 단순한 제어 알고리즘 개발이 아니라,
로봇의 전신 움직임을 학습 기반으로 최적화하고,
시뮬레이션부터 실제 환경까지 연결하는 end-to-end 학습 시스템을 구축하는 역할
입니다.

휴머노이드 전신 제어를 위한 강화학습 알고리즘 개발
Whole-body control을 위한 RL policy 설계 및 최적화
locomotion, balancing, manipulation이 결합된 복합 행동 학습
long-horizon task에서의 안정적인 정책 학습
Interaction 기반 학습 시스템 구축
로봇이 환경과 상호작용하며 학습하는 RL 구조 설계
simulation 및 실제 로봇 환경에서 policy 학습 및 검증
경험 기반 학습 루프 (rollout 학습 평가) 구축
모델 최적화 및 개선
inference latency, stability, robustness 개선
데이터 수집 및 모델 성능 향상
필요 시 RL / IL 기반으로 policy 개선
Reward 설계 및 학습 안정성 개선
전신 제어를 위한 reward function 설계
curriculum learning, domain randomization 등 학습 전략 적용
정책의 안정성 및 일반화 성능 개선
다양한 환경 변화에 robust한 정책 개발
noise, delay, partial observability 대응
sim-to-real gap 최소화
실제 로봇 시스템과의 통합
소프트웨어/하드웨어 팀과 협업하여 policy를 실제 로봇에 적용
real-world 테스트 및 문제 해결
학습 결과를 시뮬레이션 환경에 반영
AI, Robotics, Computer Science 등 관련 분야 석사 학위 이상
Reinforcement Learning
PPO, SAC 등 로보틱스 적용 강화학습 알고리즘 경험
RL 기반 policy 학습 및 실제 문제 적용 경험
하이퍼파라미터 및 cost/reward function 튜닝 경험
다음과 같은 RL 학습 기법에 대한 이해 및 활용 경험
Domain Randomization
Curriculum Learning
Reward Shaping
안정적인 정책 학습을 위한 실험 설계 및 개선 경험
Dynamics & Control
로봇 동역학 및 제어 이론에 대한 탄탄한 이해
특히 legged robot 또는 humanoid 시스템 제어 경험 우대
Engineering & Leadership
복잡한 제어 또는 RL 프로젝트를 end-to-end로 수행한 경험
실험 분석 개선 사이클을 주도적으로 이끌 수 있는 능력
주니어 엔지니어를 멘토링하거나 기술 리딩한 경험
Vision-based Reinforcement Learning 경험
카메라 입력 기반 policy 학습 (image action)
perception + control 통합 학습 경험
visual representation learning과 RL 결합 경험
Behavior Cloning, Policy Distillation 등 Imitation Learning 경험
Humanoid 또는 Legged Robot 실험 경험
Isaac Gym, MuJoCo 등 시뮬레이터 활용 경험
Sim-to-Real transfer 경험
Distributed RL 또는 대규모 학습 경험
RL / Robotics 관련 논문 발표 경험 (ICRA, RSS, CoRL, NeurIPS 등)
생일 휴가 제공
스낵바 무제한 이용 가능
연 2회 명절 선물 지급
자기계발비(직무 관련 도서, 학회, 전시회, 세미나, 워크샵 등) 지원

This is an external listing. JobSpring does not represent or verify the employer. Report this listing

Principal Humanoid Whole-Body Control RL

About The Role