포지션 상세
• 모티프드라이브는 End-to-End 기반 차세대 완전 자율주행 소프트웨어를 개발하고 있습니다. AI 기반 자율주행 기술의 새로운 표준을 만드는 것을 목표로 도전하고 있는 테크 스타트업입니다. 설립 이후 1년간 Seed 투자 38억 원을 성공적으로 유치했고, 현재는 2026년 3월 Pre-Series A 라운드를 준비하며 기술 고도화에 속도를 내고 있습니다.
• 현재 팀은 박사급 7명, 석사급 9명, 해당 분야 10년 이상 경력을 보유한 전문가 3명, 학사급 6명으로 구성되어 있습니다. 모두가 ‘Future Mobility’의 미래를 현실로 만들기 위해 깊이 있는 연구와 개발에 몰두하고 있습니다.
• Vision-Language Model 및 E2E 기반 AI 자율 주행 기술에 관심이 있는 우수한 연구·개발 인재를 모시고자 합니다.
• Multi-view 카메라 이미지를 입력으로 하는 End-to-End 주행 모델 설계 및 실험
- Perception, Mapping, Prediction, Planning 통합 Task 성능 개선
- 시뮬레이션 환경에서 Closed-Loop Simulation 기반 성능 평가
• 시뮬레이션 기반 강화학습을 활용한 Path Planning 연구
- 시뮬레이션 기반 E2E 모델 RL 학습 파이프라인 설계
• 다양한 학습 전략 탐구 및 E2E 모델 학습 고도화
- Self-Supervised Learning, Continual Learning, Knowledge Distillation 기반 모델 성능 개선
• 온보드 배포를 고려한 모델 경량화
- Quantization-Aware Training(QAT), Pruning, ONNX / TensorRT 변환
- 실차 추론 지연(Latency) 목표를 고려한 아키텍처 설계
2. VLM 기반 자율주행 연구
• VLM 기반 주행 장면 이해, 주행 Action, 경로 예측 모델 학습
• SFT(Supervised Fine-Tuning)을 위한 QA 데이터 생성 및 학습
- 자율주행 특화 Driving QA 데이터셋 구축 파이프라인 설계
- 대형 모델을 활용한 자동 라벨링 및 QA 생성
• RFT(Reinforcement Fine-Tuning) / GRPO 기반 학습
- 주행 Safety, Comfort, Efficiency 기반 보상 함수 설계
- PPO / GRPO 등을 활용한 VLM 강화학습 파이프라인 구현
• Chain-of-Thought(CoT) 기반 주행 추론 고도화
- 복잡한 교차로·이상 기상·희귀 시나리오에서의 단계적 추론 생성
• Vision-Language Model(VLM)의 경량화 및 실시간 추론 성능 개선
• 딥러닝 / 컴퓨터 비전 분야 기본 이해
• Multi-view Geometry에 대한 기본 이해
• Transformer 기반 아키텍처 및 멀티모달 학습에 대한 깊은 이해
• Python 및 PyTorch 기반 ML 연구 개발 역량
**아래 항목 중 하나 이상의 실무 / 연구 경험**
• nuScenes, Waymo, CARLA(Bench2drive) 등 대규모 자율주행 데이터셋 기반 Perception / Prediction / Planning 모델 성능 육성 경험
• Reinforcement Learning 기반 경로 생성 경험
• VLM 모델 Fine-tuning을 위한 대규모 QA 데이터셋 구축 경험
• LLM / VLM 모델 강화학습 관련 학습 경험(PPO / GRPO)
• 현재 팀은 박사급 7명, 석사급 9명, 해당 분야 10년 이상 경력을 보유한 전문가 3명, 학사급 6명으로 구성되어 있습니다. 모두가 ‘Future Mobility’의 미래를 현실로 만들기 위해 깊이 있는 연구와 개발에 몰두하고 있습니다.
• Vision-Language Model 및 E2E 기반 AI 자율 주행 기술에 관심이 있는 우수한 연구·개발 인재를 모시고자 합니다.
주요업무
1. E2E 자율주행 모델 개발• Multi-view 카메라 이미지를 입력으로 하는 End-to-End 주행 모델 설계 및 실험
- Perception, Mapping, Prediction, Planning 통합 Task 성능 개선
- 시뮬레이션 환경에서 Closed-Loop Simulation 기반 성능 평가
• 시뮬레이션 기반 강화학습을 활용한 Path Planning 연구
- 시뮬레이션 기반 E2E 모델 RL 학습 파이프라인 설계
• 다양한 학습 전략 탐구 및 E2E 모델 학습 고도화
- Self-Supervised Learning, Continual Learning, Knowledge Distillation 기반 모델 성능 개선
• 온보드 배포를 고려한 모델 경량화
- Quantization-Aware Training(QAT), Pruning, ONNX / TensorRT 변환
- 실차 추론 지연(Latency) 목표를 고려한 아키텍처 설계
2. VLM 기반 자율주행 연구
• VLM 기반 주행 장면 이해, 주행 Action, 경로 예측 모델 학습
• SFT(Supervised Fine-Tuning)을 위한 QA 데이터 생성 및 학습
- 자율주행 특화 Driving QA 데이터셋 구축 파이프라인 설계
- 대형 모델을 활용한 자동 라벨링 및 QA 생성
• RFT(Reinforcement Fine-Tuning) / GRPO 기반 학습
- 주행 Safety, Comfort, Efficiency 기반 보상 함수 설계
- PPO / GRPO 등을 활용한 VLM 강화학습 파이프라인 구현
• Chain-of-Thought(CoT) 기반 주행 추론 고도화
- 복잡한 교차로·이상 기상·희귀 시나리오에서의 단계적 추론 생성
• Vision-Language Model(VLM)의 경량화 및 실시간 추론 성능 개선
자격요건
**기본 역량 (공통)**• 딥러닝 / 컴퓨터 비전 분야 기본 이해
• Multi-view Geometry에 대한 기본 이해
• Transformer 기반 아키텍처 및 멀티모달 학습에 대한 깊은 이해
• Python 및 PyTorch 기반 ML 연구 개발 역량
**아래 항목 중 하나 이상의 실무 / 연구 경험**
• nuScenes, Waymo, CARLA(Bench2drive) 등 대규모 자율주행 데이터셋 기반 Perception / Prediction / Planning 모델 성능 육성 경험
• Reinforcement Learning 기반 경로 생성 경험
• VLM 모델 Fine-tuning을 위한 대규모 QA 데이터셋 구축 경험
• LLM / VLM 모델 강화학습 관련 학습 경험(PPO / GRPO)
