👋 우리 ​팀을 ​소개합니다.

NetsPresso ​XPU Enabler팀은 ​다양한 NPU/GPU/CPU 기반 Edge ​디바이스에서 ​최신 LLM ​및 Vision 모델이 ​안정적으로 작동하도록 ​모델 ​변환 → ​최적화 ​→ ​컴파일 → 디바이스 ​배포까지 ​전체 파이프라인을 설계·구현하는 ​팀입니다.

최근에는 ​이 ​역량을 실물 로봇 ​영역으로 확장하여, Vision-Language-Action ​모델과 ​World Model을 ​실제 로봇 ​하드웨어 ​위에서 동작시키고, 데이터 수집 ​→ 학습 ​→ 최적화 → 온디바이스 배포로 이어지는 로봇 지능 파이프라인을 구축하고 있습니다.

우리의 핵심 미션은 "어떤 모델이든, 어떤 디바이스/로봇 환경에서도 결국 동작하게 만드는 것" 입니다.

Physical AI Engineer Intern으로서 실물 로봇을 직접 다루며 데이터 수집부터 모델 배포까지 전 과정을 경험하게 됩니다.

📌 인턴십을 통해 얻는 것

• 실물 로봇(SO-101, reBot, Lekiwi 등)을 직접 다루는 end-to-end 경험
• 데이터 수집 → 모델 학습/최적화 → NPU 배포까지 Physical AI 전 과정 실무 경험
• VLA / World Model 등 최신 로봇 지능 모델을 실제 하드웨어에 적용하는 경험
• Edge AI 최적화 및 온디바이스 배포 노하우

✅ 주요 업무

1. 실물 로봇 제어 및 운용

• Loco-manipulation을 수행할 수 있는 로봇 플랫폼(예: SO-101, Lekiwi, reBot)을 직접 셋업하고 제어
• teleoperation(원격 조종), 자율 정책(policy) 실행 등 다양한 제어 모드 운용
• 로봇 하드웨어(모터, 카메라, 센서) 캘리브레이션 및 상태 진단
• LeRobot 등 로봇 제어 프레임워크 기반 파이프라인 구축

2. 데이터 수집 및 데이터셋 구축

• teleoperation 기반 로봇 조작 시연(demonstration) 데이터 수집
• 멀티모달 데이터(RGB/Depth 영상, 관절 상태, 액션 시퀀스) 동기화 및 정제
• 학습 가능한 형태의 데이터셋 포맷팅 및 품질 관리(라벨링, 필터링, 검증)
• 데이터 수집 프로세스의 자동화 및 재현성 확보

3. 실패 에피소드(Failure Episode) 분석 및 개선

• 정책 실행 중 발생하는 실패 케이스 수집 및 원인 분석
• 실패 유형 분류 및 데이터 커버리지 갭 도출
• 추가 데이터 수집 / 재학습 / 정책 보정(fine-tuning)을 통한 성능 개선 루프 설계
• rollout 결과의 정량적 성공률(success rate) 측정 및 개선 추적

4. VLA & World Model 최적화

• Vision-Language-Action 모델 및 World Model의 구조 이해 및 학습/파인튜닝
• 모델 정확도·추론 latency·메모리 사용량 분석 및 원본 대비 품질 보존
• quantization / pruning / fusion 등 경량화 기법 적용
• 실시간 로봇 제어에 필요한 추론 속도 확보를 위한 최적화 전략 수립

5. NPU 온디바이스 배포

• 다양한 GPU/NPU 환경(Jetson, Qualcomm, AMD 등)에 로봇 모델 배포
• Torch → ONNX → Vendor Compiler → Device Runtime 파이프라인을 통한 변환·컴파일
• 디바이스별 호환성 이슈(unsupported op, dtype/shape 고정화 등) 파악 및 해결
• 온디바이스 추론 환경 구축 및 로봇 제어 루프와의 통합

6. 반복 업무 자동화 및 문서화

• 데이터 수집/변환/평가 워크플로우의 scripting(Python/CLI) 및 파이프라인 자동화
• 실험 결과, 문제 정의, 실행 전략, 정량적 성공 기준을 구조적으로 문서화
• 팀 내·외부 커뮤니케이션을 통한 정보 수집 및 문제 구조화

✅ 자격요건

• Python 프로그래밍 능력: 데이터 처리, 모델 학습/평가 스크립트 작성 가능
• 딥러닝 기초 이해: Transformer, CNN, attention 등 최신 아키텍처에 대한 이해
• 문제 구조화 능력: 실험 목표를 정의하고 결과를 정량적으로 분석·개선하는 태도
• 하드웨어에 대한 관심: 실물 로봇/디바이스를 직접 다루는 것에 흥미와 적극성

✅ 우대사항

• 로봇 제어 프레임워크(ROS, LeRobot 등) 사용 경험
• VLA / World Model / Imitation Learning / RL 관련 프로젝트 또는 논문 이해 경험
• 모델 최적화·경량화(quantization, pruning, fusion 등) 경험
• ONNX 기반 모델 변환 및 디버깅 경험
• Edge 디바이스(Jetson Orin, DeepX, QNN, SNPE 등) 배포 경험
• 멀티모달 데이터(영상/센서/액션) 처리 경험
• AI Tool을 활용하되, 스스로 논리를 구성하고 추론할 수 있는 능력

✅ 채용 절차

• 서류 검토 → 과제 → 인터뷰 → 확정

(절차 간에 추가적인 과제가 있을 수 있습니다.)

✅ 근무 기간

• 최소 6개월 (이후 협의 가능)

지원 전, 확인해주세요! 👀

• 해당 공고는 상시 채용으로, 채용 완료 시 조기 마감될 수 있습니다.
• 이력서 내 연봉 정보 등 민감한 개인 정보가 기재되어 있다면, 해당 서류는 검토되지 않을 수 있습니다.
• 제출해 주신 내용 중 허위 사실이 있을 경우 채용이 취소될 수 있습니다.
• 채용 전 레퍼런스 체크가 있음을 알려드립니다.
• 최종 인터뷰 합격 시 별도로 처우를 협의합니다.
• 국가보훈대상자 및 장애인은 관련 법규에 의거하여 우대합니다.
• 장애인 고용 촉진을 위한 행정적 절차 확인이 필요한 경우, 장애인 등록증 사본을 기타 서류 란에 선택적으로 제출하실 수 있습니다. 제출 여부는 전형 평가에 어떠한 영향도 미치지 않습니다.

🔎 읽어보면 도움 되는 관련 자료

• 노타의 그라운드 룰, LP를 소개합니다
• 노타는 핵심 가치(CV)를 어떻게 실행할까?
• 노타의 나침반, 조직문화
• 기술 이야기 없이 AI 회사를 설명할 수 있나요?