포지션 상세
빛을 운영으로 전환하는 공간지능 에이전트
LiOps는 LiDAR와 카메라로 읽은 3D 세계를 에이전트가 이해하고 계획하고 실행하는 운영으로 연결합니다.
검증된 투자와 빠른 성장
본엔젤스벤처파트너스·퓨처플레이·Krew Capital 등 최고의 초기 투자사로 부터 누적 투자금 9억원 유치 완료. SNU Big-Scaleup 최종 데모데이 기업, 로봇활용 제조혁신 지원사업(5억원) 선정 등 정부의 인정을 받은 기술력을 보유한 빠르게 성장하는 스타트업입니다.
글로벌 무대 경험: CES 2026 라스베가스
세계 최대 기술 전시회 CES 2026에 공식 부스로 참가합니다. 이번 채용을 통해 합류하시는 모든 분들께 2026년 1월 라스베가스 출장 기회가 제공되며, LiOps의 3D 공간지능 기술을 글로벌 무대에서 직접 선보이는 경험을 함께하실 수 있습니다.
문제 중심, 열린 접근
패러다임을 고수하는 것보다 고객 문제를 해결하는 것을 우선합니다. 전통적인 방법이든 당신만의 새로운 접근이든, 일리가 있다면 먼저 시도해봅니다.
다양한 하드웨어 환경
AMR, 협동로봇, 지게차부터 LiDAR 센서, 3D 카메라(Helios, Photoneo, Zed2i 등)까지-로보틱스 스택 전반에 걸친 폭넓은 경험을 쌓을 수 있는 역동적인 환경입니다.
[Point Cloud Volumetric Unsupervised Learning]
Point Cloud의 Volumetric 정보를 이용한 Unsupervised Learning 기법을 연구 및 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 학습(unsupervised learning)으로 센서 다양성과 도메인 변화에 강인한 표현을 이용하여 작동하는 모델을 개발해, 이를 실제 산업 과제들에 적용하고 있습니다.
[Self-supervised Learning for Manufacturing Point Clouds]
제조업 데이터를 이용한 Point Cloud의 Self-supervised Learning을 연구 및 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.
[E2E 3D Deep Learning for Autonomous Robotics]
E2E 자율주행 로보틱스에 사용할 3D 딥러닝 모델을 연구 및 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(E2E) 모델을 개발합니다.
• edge case 및 다양한 시나리오에 대응하기 위한 Reinforcement Learning / Transductive Learning을 연구합니다.
• 3D Backbone (e.g. Point Transformer / Sparse Convolution)
• 3D Point Cloud Semantic/Instance Segmentation
• Point Cloud Registration
• LiDAR-based Lifelong SLAM
• Self-supervised / Unsupervised Representation Learning for 3D Point Clouds
• Neural Signed Distance Fields
• 3D Object Detection in Point Clouds
• Point Cloud Retrieval
• Online Map Updating & Map Merging
• Domain Adaptation / Generalization for 3D Perception
LiOps는 LiDAR와 카메라로 읽은 3D 세계를 에이전트가 이해하고 계획하고 실행하는 운영으로 연결합니다.
검증된 투자와 빠른 성장
본엔젤스벤처파트너스·퓨처플레이·Krew Capital 등 최고의 초기 투자사로 부터 누적 투자금 9억원 유치 완료. SNU Big-Scaleup 최종 데모데이 기업, 로봇활용 제조혁신 지원사업(5억원) 선정 등 정부의 인정을 받은 기술력을 보유한 빠르게 성장하는 스타트업입니다.
글로벌 무대 경험: CES 2026 라스베가스
세계 최대 기술 전시회 CES 2026에 공식 부스로 참가합니다. 이번 채용을 통해 합류하시는 모든 분들께 2026년 1월 라스베가스 출장 기회가 제공되며, LiOps의 3D 공간지능 기술을 글로벌 무대에서 직접 선보이는 경험을 함께하실 수 있습니다.
문제 중심, 열린 접근
패러다임을 고수하는 것보다 고객 문제를 해결하는 것을 우선합니다. 전통적인 방법이든 당신만의 새로운 접근이든, 일리가 있다면 먼저 시도해봅니다.
다양한 하드웨어 환경
AMR, 협동로봇, 지게차부터 LiDAR 센서, 3D 카메라(Helios, Photoneo, Zed2i 등)까지-로보틱스 스택 전반에 걸친 폭넓은 경험을 쌓을 수 있는 역동적인 환경입니다.
주요업무
물류·제조 현장에 적용되는 LiOps의 3D 파운데이션 모델을 연구·개발합니다.[Point Cloud Volumetric Unsupervised Learning]
Point Cloud의 Volumetric 정보를 이용한 Unsupervised Learning 기법을 연구 및 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 학습(unsupervised learning)으로 센서 다양성과 도메인 변화에 강인한 표현을 이용하여 작동하는 모델을 개발해, 이를 실제 산업 과제들에 적용하고 있습니다.
[Self-supervised Learning for Manufacturing Point Clouds]
제조업 데이터를 이용한 Point Cloud의 Self-supervised Learning을 연구 및 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.
[E2E 3D Deep Learning for Autonomous Robotics]
E2E 자율주행 로보틱스에 사용할 3D 딥러닝 모델을 연구 및 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(E2E) 모델을 개발합니다.
• edge case 및 다양한 시나리오에 대응하기 위한 Reinforcement Learning / Transductive Learning을 연구합니다.
자격요건
아래 해당하는 토픽 또는 유사한 프로젝트에 대해 최소 하나 이상의 프로젝트를 수행한 경험.• 3D Backbone (e.g. Point Transformer / Sparse Convolution)
• 3D Point Cloud Semantic/Instance Segmentation
• Point Cloud Registration
• LiDAR-based Lifelong SLAM
• Self-supervised / Unsupervised Representation Learning for 3D Point Clouds
• Neural Signed Distance Fields
• 3D Object Detection in Point Clouds
• Point Cloud Retrieval
• Online Map Updating & Map Merging
• Domain Adaptation / Generalization for 3D Perception
