이런 일을 합니다
01 · 표현 학습Point Cloud Volumetric Unsupervised Learning
Point Cloud의 Volumetric 정보를 이용한 Unsupervised Learning 기법을 연구·개발합니다.
현재 산업 현장의 포인트 클라우드 AI는 다수의 라벨에 의존하는 지도 학습이 주류입니다. 그러나 이는 센서 및 환경의 변화(domain shift)와 미관측 데이터(unseen dataset)에 취약합니다. 리옵스는 비지도 학습으로 센서 다양성과 도메인 변화에 강인한 표현을 이용해 작동하는 모델을 개발하고, 이를 실제 산업 과제들에 적용하고 있습니다.
02 · 파운데이션 모델Self-supervised Learning for Manufacturing Point Clouds
제조업 데이터를 이용한 Point Cloud의 Self-supervised Learning을 연구·개발합니다.
- 제조·로보틱스(로봇팔, 지게차, 디지털 트윈 등) 전반에 활용 가능한 공통 3D 파운데이션 모델을 목표로 Self-supervised Pretraining을 진행합니다.
- 학습된 가중치를 기반으로 Few-shot Generalization을 달성하기 위해 도메인 어댑터를 설계·연구합니다.
03 · 자율 제어E2E 3D Deep Learning for Autonomous Robotics
E2E 자율주행 로보틱스에 사용할 3D 딥러닝 모델을 연구·개발합니다.
- 포인트 클라우드를 입력으로 받아 플래너가 활용할 수 있는 고품질 임베딩을 생성하고, 지게차와 모바일 매니퓰레이터 등 다양한 플랫폼에 상황 맞춤 제어 시퀀스를 산출하는 End-to-End 모델을 개발합니다.
- edge case 및 다양한 시나리오에 대응하기 위한 Reinforcement Learning / Transductive Learning을 연구합니다.
이런 분을 찾습니다
아래 주제 가운데 깊이 파본 것이 하나 이상 있으면 좋습니다. 전부 해보셨을 필요는 없습니다.
3D Backbone (Point Transformer / Sparse Convolution)
Neural Signed Distance Fields
3D Point Cloud Semantic / Instance Segmentation
3D Object Detection in Point Clouds
Point Cloud Registration
Point Cloud Retrieval
LiDAR-based Lifelong SLAM
Online Map Updating & Map Merging
Self-supervised / Unsupervised Representation Learning for 3D
Domain Adaptation / Generalization for 3D Perception
논문, 오픈소스 기여, 사내 프로젝트 무엇이든 좋습니다. 지원서에 직접 붙잡고 풀어본 문제 하나를 적어 주시면 인터뷰가 훨씬 빨라집니다.
합류 절차
서류 지원 → 직무 인터뷰 → 컬처핏 인터뷰 → 오퍼와 합류의 네 단계이고, 보통 2~3주 안에 끝냅니다. 이 포지션은 직무 인터뷰에서 연구 경험을 함께 읽는 시간을 길게 잡습니다.