포지션 상세
세코어로보틱스의 Latent 3D World Model은 카메라 기반으로 물리적 세계를 인코딩하고, 이를 활용하여 로봇에 필요한 다양한 로봇 소프트웨어 어플리케이션을 개발 가능합니다.
현재 3D Perception, Mapping, Localization 기술을 개발하였으며, Navigation과 Manipulation으로의 확장을 위해 연구를 진행 중입니다.
그 동안 로봇은 실시간으로 완벽한 지도를 작성하고, 규칙 기반 시스템에 의존하여 개발되어 왔습니다.
완벽한 지도와 확률적인 AI 모델은 서로 상충되는 개념이었고, 로봇 소프트웨어에는 AI가 적용되기 어려웠습니다.
그러나 우리가 지금 이 시대에서 원하는 것은 휴머노이드, 사족보행 로봇 같은 너무나도 복잡한 플랫폼으로 다양한 테스크를 수행하는 것입니다.
이로 인해 AI/Robotics 분야가 매우 뜨거워지고 있으며, 이제는 물리적 세계를 이해하는 3D understanding AI Model, 즉, Physical AI가 필요한 시점입니다.
세코어로보틱스는 직접 3차원 공간 데이터를 취득하고, 가공하여 모델 학습에 이용합니다.
또한, 이렇게 학습된 모델을 이용해서 직접 로봇 소프트웨어를 개발하고 연구하고 있습니다.
• 단일/다중 카메라 기반 실시간 SLAM 설계·구현
• Feature-based / Direct / Hybrid 접근 중 서비스 요구에 맞는 구조 선택 및 최적화
• Tracking/Mapping/Relocalization/Loop Closure 파트 전반 개선
2) 3D Global Map 생성 파이프라인 구축
• 이미지 데이터로부터 대규모/고정밀 3D 맵(공간 모델) 생성
• Loop closure / pose graph optimization / global BA 등 정합 단계 설계
• 맵 품질 평가 및 자동 정제(Outlier 제거, scale drift 보정)
3) 실서비스 환경 최적화 (Mobile/Edge)
• 다양한 프로세서에서 실시간 추정 성능 유지(FPS/지연/배터리)
• 다양한 디바이스, 조명, 텍스처, 동적 객체 환경에서의 Robustness 강화
4) 센서/모달리티 융합
• IMU, Depth(LiDAR/ToF), GPS/Barometer 등과의 sensor fusion 설계
• 캘리브레이션(카메라-IMU extrinsic) 및 동기화 문제 해결
• 상황별(실내/실외/저조도) 최적 모드 자동 전환
5) 평가/벤치마킹/디버깅 시스템화
• 사내 데이터로 Benchmark 구축
• 재현 가능한 실험 프로토콜/메트릭 정의, 성능 회귀 테스트 자동화
• Failure case 분석과 개선안 도출을 위한 로깅/시각화 툴 개발
2) ROS 기반 알고리즘 구현 능력 및 성능 최적화 경험
3) 선형대수/최적화/확률 모델링 등 SLAM 핵심 수학 기반 이해
4) Pose graph optimization / Bundle Adjustment / Non-linear optimization 경험
5) 카메라 모델/왜곡/Feature 추출·매칭/Tracking 전반 이해
6) 논문/오픈소스(ORB-SLAM, VINS, OKVIS, COLMAP 등) 리딩 및 재구현/개선 경험
현재 3D Perception, Mapping, Localization 기술을 개발하였으며, Navigation과 Manipulation으로의 확장을 위해 연구를 진행 중입니다.
그 동안 로봇은 실시간으로 완벽한 지도를 작성하고, 규칙 기반 시스템에 의존하여 개발되어 왔습니다.
완벽한 지도와 확률적인 AI 모델은 서로 상충되는 개념이었고, 로봇 소프트웨어에는 AI가 적용되기 어려웠습니다.
그러나 우리가 지금 이 시대에서 원하는 것은 휴머노이드, 사족보행 로봇 같은 너무나도 복잡한 플랫폼으로 다양한 테스크를 수행하는 것입니다.
이로 인해 AI/Robotics 분야가 매우 뜨거워지고 있으며, 이제는 물리적 세계를 이해하는 3D understanding AI Model, 즉, Physical AI가 필요한 시점입니다.
세코어로보틱스는 직접 3차원 공간 데이터를 취득하고, 가공하여 모델 학습에 이용합니다.
또한, 이렇게 학습된 모델을 이용해서 직접 로봇 소프트웨어를 개발하고 연구하고 있습니다.
주요업무
1) Visual SLAM / VIO 알고리즘 개발 및 고도화• 단일/다중 카메라 기반 실시간 SLAM 설계·구현
• Feature-based / Direct / Hybrid 접근 중 서비스 요구에 맞는 구조 선택 및 최적화
• Tracking/Mapping/Relocalization/Loop Closure 파트 전반 개선
2) 3D Global Map 생성 파이프라인 구축
• 이미지 데이터로부터 대규모/고정밀 3D 맵(공간 모델) 생성
• Loop closure / pose graph optimization / global BA 등 정합 단계 설계
• 맵 품질 평가 및 자동 정제(Outlier 제거, scale drift 보정)
3) 실서비스 환경 최적화 (Mobile/Edge)
• 다양한 프로세서에서 실시간 추정 성능 유지(FPS/지연/배터리)
• 다양한 디바이스, 조명, 텍스처, 동적 객체 환경에서의 Robustness 강화
4) 센서/모달리티 융합
• IMU, Depth(LiDAR/ToF), GPS/Barometer 등과의 sensor fusion 설계
• 캘리브레이션(카메라-IMU extrinsic) 및 동기화 문제 해결
• 상황별(실내/실외/저조도) 최적 모드 자동 전환
5) 평가/벤치마킹/디버깅 시스템화
• 사내 데이터로 Benchmark 구축
• 재현 가능한 실험 프로토콜/메트릭 정의, 성능 회귀 테스트 자동화
• Failure case 분석과 개선안 도출을 위한 로깅/시각화 툴 개발
자격요건
1) Visual SLAM / VIO / SfM / VO 중 1개 이상 실무 또는 연구 경험 3년 ( 또는 이에 준하는 석·박사 연구 경력)2) ROS 기반 알고리즘 구현 능력 및 성능 최적화 경험
3) 선형대수/최적화/확률 모델링 등 SLAM 핵심 수학 기반 이해
4) Pose graph optimization / Bundle Adjustment / Non-linear optimization 경험
5) 카메라 모델/왜곡/Feature 추출·매칭/Tracking 전반 이해
6) 논문/오픈소스(ORB-SLAM, VINS, OKVIS, COLMAP 등) 리딩 및 재구현/개선 경험
