42dot은 자동차 기술과 물류의 교차점에서 사업을 전개하는 모빌리티 AI 기업입니다. 소프트웨어 정의 차량 기술, 자율주행 전기차, 확장 가능한 도시 교통에 필요한 소프트웨어 및 데이터 인프라에 주력하고 있습니다. 차량 소프트웨어, 차량 운영 데이터 플랫폼, 인지와 제어를 위한 AI 모델을 개발하며, 자율주행 서비스를 배포하기 위한 모빌리티 운영체제 TAP!도 선보이고 있습니다. 차량 전자 기술과 소프트웨어 중심 아키텍처에 관한 연구 및 협업을 통해 42dot은 모빌리티 시스템을 더욱 자율적이고 유연하며 운영하기 쉽게 만드는 것을 목표로 합니다.
자율주행 강화학습 엔지니어
42dot 자율주행 모델의 강화학습 정책을 개발하고 최적화합니다. 셀프 플레이 시뮬레이션, 시나리오 롤아웃, 안전성 평가를 구축해 주행 성능을 개선합니다.
설명
- VLA 정책과 시뮬레이터 사이의 관측 및 행동 인터페이스를 설계하고, GRPO와 PPO 등의 방법을 활용한 폐루프 강화학습 후속 학습을 개발합니다.
- 벡터 또는 점유 기반 주행 시뮬레이터에서 셀프 플레이 학습을 구축하여 자차와 교통 에이전트가 현재 정책 및 이전 체크포인트와 상호작용하도록 합니다.
- 가능한 미래 시나리오별로 후보 행동과 궤적 롤아웃을 만들고, 기대 수익과 안전 제약을 기준으로 행동을 선택합니다.
- 폐루프 벤치마크를 통해 정책의 안전성과 일반화 성능을 평가합니다.
- 보상 해킹과 시뮬레이터 편향을 분석합니다.
- 유망한 강화학습 아이디어를 설계부터 대규모 학습과 엄격한 평가를 거쳐 주행 모델 통합까지 주도합니다.
지원 자격
- 머신러닝, 강화학습 또는 로보틱스 분야에서 3년 이상의 경력 또는 이에 준하는 연구개발 역량.
- Python과 PyTorch로 정책 학습 알고리즘을 구현하고 학습 및 평가를 수행한 경험.
- 정책 최적화, 보상 설계, 크레딧 할당에 대한 이해와 강화학습 실험 설계 능력.
- 시뮬레이션 또는 다중 에이전트 환경에서 정책을 학습시키고 기준 모델과 비교해 개선을 검증한 경험.
- 기술 문제를 논의하고 해외 오피스와 협업할 수 있는 영어 의사소통 능력.
- 셀프 플레이, 다중 에이전트 강화학습 또는 정책 집단 학습 시스템 개발 경험 우대.
- GRPO나 PPO와 같은 강화학습 후속 학습 기법을 VLA 또는 생성형 정책에 적용한 경험 우대.
- 벡터 또는 점유 기반 주행 시뮬레이터에서 정책을 학습했거나 월드 모델 기반 롤아웃 계획을 개발한 경험 우대.
- 대규모 병렬 롤아웃, 분산 학습 또는 시뮬레이션-실환경 검증 경험 우대.
복리후생
- 관련 법률에 따라 고용 보호 대상인 분과 국가유공자를 우대합니다.
- 장애인 등록증을 보유한 지원자를 우대합니다.
- 면접 절차 종료 후 지원자의 동의를 받아 레퍼런스 확인을 진행할 수 있습니다.
- 3개월의 수습 기간이 적용될 수 있습니다.