포지션 상세
We are looking for the best
42dot의 AI Perception Engineer는 자율주행 인지 시스템에서 카메라, 레이더, LiDAR 등 다양한 센서 데이터를 활용하여 차량 주변 환경을 이해하는 perception 모델과 데이터 처리 파이프라인을 개발합니다.
이 포지션은 senior engineer와 함께 perception 모델 개발, 센서 데이터 전처리, BEV / 3D / occupancy 기반 공간 표현 학습, 성능 분석 및 개선 업무를 수행하며, 실제 자율주행 시스템에 적용 가능한 perception 기술을 함께 고도화하는 역할입니다.
특히 카메라, 레이더, LiDAR 등 센서의 특성과 기하 구조를 이해하고, calibration, projection, spatial alignment 등 perception 문제 해결에 필요한 기반 기술을 학습하고 적용하면서 multi-sensor 기반 인지 모델 개발 역량을 키워갈 수 있는 포지션입니다.
• 카메라, 레이더, LiDAR 등 자율주행 센서 데이터의 특성 분석 및 전처리
• calibration, projection, coordinate transform 등 기하 기반 데이터 처리 구현
• 센서 간 spatial / temporal alignment를 위한 데이터 분석 및 검증
• perception 모델 입력 구성을 위한 데이터 representation 구현 및 실험
2. Perception Model Development
• 딥러닝 기반 2D / 3D / BEV perception 모델 학습 및 개선
• 기존 perception 모델 구조 분석, 구현, 실험 및 성능 비교
• multi-sensor 입력을 활용한 perception 모델 개발 지원
• PyTorch 기반 모델 학습 코드 작성 및 실험 관리
3. Spatial Representation Learning
• BEV, occupancy, 3D object representation 등 공간 기반 환경 표현 학습
• depth ambiguity, occlusion, partial observation 등 perception 문제에 대한 실험 및 분석
• 서로 다른 spatial representation 간 성능 및 일관성 비교
• 주행 환경 변화에 따른 perception 결과 분석
4. Model Training & Performance Improvement
• loss function, training strategy, data sampling 등 모델 학습 개선 실험
• failure case 분석을 통한 성능 저하 원인 파악
• 다양한 주행 환경에서의 generalization 성능 평가
• 실험 결과 정리 및 개선 방향 도출
5. Data-driven Development
• 대규모 주행 데이터 기반 perception 성능 분석
• 데이터 품질, annotation 품질, sensor condition 등에 따른 성능 영향 분석
• 모델 개선을 위한 데이터 selection 및 학습 전략 실험
• 정량 / 정성 평가 결과를 기반으로 문제 정의 및 개선안 제안
6. Deployment & System Integration Support
• 학습된 perception 모델의 inference 성능 분석 및 최적화 지원
• 실제 시스템 적용을 위한 모델 변환, 검증, integration 업무 지원
• latency, memory, accuracy 간 trade-off 분석
• C++ 기반 inference 또는 runtime 환경 이해 및 개발 지원
• Deep Learning 기반 Computer Vision 또는 3D Perception에 대한 이해
• PyTorch 등 딥러닝 프레임워크를 활용한 모델 개발 경험
• 카메라, 레이더, LiDAR 등 센서 데이터 처리에 대한 기본적인 이해
• Python 기반 데이터 분석 및 모델 학습 코드 작성 능력
• 논문, 오픈소스, 실험 결과를 바탕으로 문제를 분석하고 구현할 수 있는 역량
42dot의 AI Perception Engineer는 자율주행 인지 시스템에서 카메라, 레이더, LiDAR 등 다양한 센서 데이터를 활용하여 차량 주변 환경을 이해하는 perception 모델과 데이터 처리 파이프라인을 개발합니다.
이 포지션은 senior engineer와 함께 perception 모델 개발, 센서 데이터 전처리, BEV / 3D / occupancy 기반 공간 표현 학습, 성능 분석 및 개선 업무를 수행하며, 실제 자율주행 시스템에 적용 가능한 perception 기술을 함께 고도화하는 역할입니다.
특히 카메라, 레이더, LiDAR 등 센서의 특성과 기하 구조를 이해하고, calibration, projection, spatial alignment 등 perception 문제 해결에 필요한 기반 기술을 학습하고 적용하면서 multi-sensor 기반 인지 모델 개발 역량을 키워갈 수 있는 포지션입니다.
주요업무
1. Multi-sensor Data Understanding & Processing• 카메라, 레이더, LiDAR 등 자율주행 센서 데이터의 특성 분석 및 전처리
• calibration, projection, coordinate transform 등 기하 기반 데이터 처리 구현
• 센서 간 spatial / temporal alignment를 위한 데이터 분석 및 검증
• perception 모델 입력 구성을 위한 데이터 representation 구현 및 실험
2. Perception Model Development
• 딥러닝 기반 2D / 3D / BEV perception 모델 학습 및 개선
• 기존 perception 모델 구조 분석, 구현, 실험 및 성능 비교
• multi-sensor 입력을 활용한 perception 모델 개발 지원
• PyTorch 기반 모델 학습 코드 작성 및 실험 관리
3. Spatial Representation Learning
• BEV, occupancy, 3D object representation 등 공간 기반 환경 표현 학습
• depth ambiguity, occlusion, partial observation 등 perception 문제에 대한 실험 및 분석
• 서로 다른 spatial representation 간 성능 및 일관성 비교
• 주행 환경 변화에 따른 perception 결과 분석
4. Model Training & Performance Improvement
• loss function, training strategy, data sampling 등 모델 학습 개선 실험
• failure case 분석을 통한 성능 저하 원인 파악
• 다양한 주행 환경에서의 generalization 성능 평가
• 실험 결과 정리 및 개선 방향 도출
5. Data-driven Development
• 대규모 주행 데이터 기반 perception 성능 분석
• 데이터 품질, annotation 품질, sensor condition 등에 따른 성능 영향 분석
• 모델 개선을 위한 데이터 selection 및 학습 전략 실험
• 정량 / 정성 평가 결과를 기반으로 문제 정의 및 개선안 제안
6. Deployment & System Integration Support
• 학습된 perception 모델의 inference 성능 분석 및 최적화 지원
• 실제 시스템 적용을 위한 모델 변환, 검증, integration 업무 지원
• latency, memory, accuracy 간 trade-off 분석
• C++ 기반 inference 또는 runtime 환경 이해 및 개발 지원
자격요건
• 관련 분야 석사 이상 또는 이에 준하는 연구 / 개발 경험• Deep Learning 기반 Computer Vision 또는 3D Perception에 대한 이해
• PyTorch 등 딥러닝 프레임워크를 활용한 모델 개발 경험
• 카메라, 레이더, LiDAR 등 센서 데이터 처리에 대한 기본적인 이해
• Python 기반 데이터 분석 및 모델 학습 코드 작성 능력
• 논문, 오픈소스, 실험 결과를 바탕으로 문제를 분석하고 구현할 수 있는 역량
