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.
• LiDAR-Inertial-Visual SLAM 계열 알고리즘 기반의 Handheld Device용 시스템 설계·구현
• IEKF / Factor Graph 기반 LiDAR-IMU-Camera Tightly Coupled Fusion 구현
• Direct method 기반 Visual Front-end 개발 및 Photometric Error 최적화
• 데이터 구조 및 센서 파이프라인 최적화:
• ikd-Tree, Octree 등 Point Cloud 자료구조 설계 및 최적화
• LiDAR-Camera Extrinsic Calibration 파이프라인 구축
• Device Embedded 배포 및 검증:
• ARM, Jetson 등 Edge 환경에서 실시간 동작을 위한 최적화
• 실내외 수집 데이터에 대한 정밀도 검증 및 트러블슈팅 (ATE / RPE 기준)
• 3D Reconstruction 팀과의 협업:
• SLAM 결과물을 3D Reconstruction 파이프라인 연결을 위한 설계 및 구축
• LiDAR-Inertial 또는 LiDAR-Inertial-Visual SLAM을 Tightly-coupled 방식으로 구현하거나 실환경에 운용한 경험
• FAST-LIO2 / LIO-SAM / FAST-LIVO 계열 코드 수준 이해 및 개발 경험
• ICP / NDT 기반 Scan Matching 실무 경험
• Visual Odometry 또는 VIO 구현 경험
• Feature-based(ORB, VINS) 또는 Direct method(DSO, SVO) 중 하나 이상
• Software Engineering Foundation
• Modern C++(17 이상), Eigen, PCL, OpenCV, ROS/ROS2 활용 능력
• Sophus 기반 Lie Group 연산 이해
• * 지원시 포트폴리오 or Github 링크 첨부 필수
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
• SLAM 아키텍처 설계 및 구현:• LiDAR-Inertial-Visual SLAM 계열 알고리즘 기반의 Handheld Device용 시스템 설계·구현
• IEKF / Factor Graph 기반 LiDAR-IMU-Camera Tightly Coupled Fusion 구현
• Direct method 기반 Visual Front-end 개발 및 Photometric Error 최적화
• 데이터 구조 및 센서 파이프라인 최적화:
• ikd-Tree, Octree 등 Point Cloud 자료구조 설계 및 최적화
• LiDAR-Camera Extrinsic Calibration 파이프라인 구축
• Device Embedded 배포 및 검증:
• ARM, Jetson 등 Edge 환경에서 실시간 동작을 위한 최적화
• 실내외 수집 데이터에 대한 정밀도 검증 및 트러블슈팅 (ATE / RPE 기준)
• 3D Reconstruction 팀과의 협업:
• SLAM 결과물을 3D Reconstruction 파이프라인 연결을 위한 설계 및 구축
자격요건
• SLAM / Robotics / 자율주행 관련 실무 및 연구 경험 (5년 이상 또는 이에 준하는 연구·실무 경험)• LiDAR-Inertial 또는 LiDAR-Inertial-Visual SLAM을 Tightly-coupled 방식으로 구현하거나 실환경에 운용한 경험
• FAST-LIO2 / LIO-SAM / FAST-LIVO 계열 코드 수준 이해 및 개발 경험
• ICP / NDT 기반 Scan Matching 실무 경험
• Visual Odometry 또는 VIO 구현 경험
• Feature-based(ORB, VINS) 또는 Direct method(DSO, SVO) 중 하나 이상
• Software Engineering Foundation
• Modern C++(17 이상), Eigen, PCL, OpenCV, ROS/ROS2 활용 능력
• Sophus 기반 Lie Group 연산 이해
• * 지원시 포트폴리오 or Github 링크 첨부 필수
