포지션 상세
1. 포지션명
의류 훼손 탐지 AI 엔지니어
2. 포지션 개요
의류 반품·검수 과정에서 발생하는 오염, 찢김, 올풀림, 보풀, 이염, 변색, 구멍, 봉제 불량 등 다양한 훼손 상태를 AI 기반으로 자동 탐지하는 비전 AI 모델을 개발합니다.
본 포지션은 의류 이미지 데이터를 기반으로 훼손 유형을 분류하고, 훼손 영역을 탐지하며, 실제 검수 업무에 적용 가능한 AI 판별 시스템을 구축하는 역할을 담당합니다. 단순 이미지 분류를 넘어, 검수 자동화·품질관리·반품 판정 프로세스와 연계되는 실무형 AI 시스템 개발 역량이 요구됩니다.
3. 리터놀을 소개합니다
리터놀은 비전 AI와 데이터를 통해 반품 산업의 비효율을 해결하는 스타트업입니다.
우리는 단순히 반품 상품을 검사하는 회사를 만들고 있지 않습니다. 멀쩡한 상품이 폐기되는 문제를 해결하고, 생산된 모든 상품이 본래의 목적을 다할 수 있는 세상을 만들고자 합니다.
우리의 미션
"모든 것을 제자리로 - Return All to Their Own Purpose"
상품은 생산자에게는 수익을, 사용자에게는 사용을 목적으로 생산됩니다.
하지만 오늘날 이커머스 시장에서는 수많은 상품이 반품 과정의 비효율 때문에 재판매되지 못하고 폐기됩니다.
리터놀은 비전 AI와 공정 혁신을 통해 반품 상품을 빠르고 균일하게 검사하고, 더 많은 상품이 다시 판매되고 사용될 수 있도록 만듭니다.
우리는 반품을 혁신하여 상품 생산의 본래 목적을 성취합니다.
우리가 만들고 싶은 미래
Set Return Free, the New Normal
리터놀은 판매자가 어떤 채널에서든 무료 반품과 당일 환불·교환을 제공할 수 있는 세상을 만들고 있습니다.
우리가 만드는 기술은 단순한 자동화가 아니라, 반품 경험 자체를 새로운 표준으로 바꾸기 위한 기반입니다.
우리가 중요하게 생각하는 가치
Win-Win
참여하는 모든 이해관계자가 함께 성장할 수 있는 방향을 선택합니다.
정직
편법보다 원칙을, 단기 성과보다 지속 가능한 성장을 추구합니다.
정보공유
정보를 독점하지 않습니다. 더 좋은 의사결정을 위해 함께 배우고 공유합니다.
이런 분과 함께하고 싶습니다
기술을 통해 실제 산업의 문제를 해결하고 싶은 분
단순한 기능 개발보다 사회에 긍정적인 영향을 만드는 일에 의미를 느끼는 분
빠르게 성장하는 스타트업 환경을 즐기는 분
리터놀의 미션과 비전에 공감하는 분
개인의 성장과 팀의 성장을 함께 만들어가고 싶은 분
범용 로봇 지능을 위한 Physical AI 아키텍처 및 학습 구조를 설계합니다.
• Physical AI 아키텍처 설계
- 조립/체결뿐만 아니라 물류 및 서비스 작업까지 확장 가능한 범용 Physical AI 아키텍처 설계
- Vision-Language-Action (VLA) 기반 로봇 제어 구조 연구
- VLM, MLLM, Policy Transformer 등 대규모 사전학습 모델 활용"
• 학습 기반 정책 및 일반화 구조 연구
- 강화학습(RL), 모방학습(IL), Foundation Model 기반 정책 학습 구조 연구
- 다양한 작업 환경(제조/물류/서비스)에서 일반화 가능한 Representation / Policy 구조 설계
- Sim2Real 전이 및 데이터 효율성 개선 연구"
• 통합 로봇 지능 연구
- Manipulation뿐 아니라 grasping, picking, navigation, task sequencing 등 복합 작업을 포함한 통합 로봇 지능 연구
- 장기적으로 Task generalization 및 zero-shot 수행 가능성 확보"
2. 제품화 ( Product / Deployment )
연구 결과를 실제 환경에 적용 가능한 시스템으로 구현하고 확장합니다.
• 시스템 설계 및 확장
-조립/체결 작업을 중심으로 시작하여, 물류(피킹/이송) 및 서비스 작업까지 확장 가능한 시스템 설계
-다양한 작업 유형에 빠르게 적용 가능한 공통 ML pipeline 구축
• 실환경 적용 및 성능 개선
-실제 생산 및 물류 환경에서 정확도, 속도, 안정성 등 성능 개선
• Vision / Motion / SW 팀과 협업하여 end-to-end pipeline 구축
-운영 효율화
-작업별 fine-tuning 비용 최소화 및 적용 속도 개선"
• Physical AI / Robotics - - Intelligence - 로봇 manipulation 또는 control 관련 프로젝트 경험 (실환경 또는 시뮬레이션)
• MuJoCo, Isaac Gym 등 시뮬레이션 환경을 활용한 학습 및 검증 경험
• Sim2Real 문제를 경험해 본 분 (실제 로봇 적용 경험 또는 이에 준하는 경험)
• 강화학습(RL), 모방학습(IL), Policy Learning 중 하나 이상을 활용한 시스템 구현 경험
• Learning & System - 머신러닝, 딥러닝, 강화학습 중 하나 이상의 분야에서 실무 경험
• PyTorch 또는 TensorFlow 기반 모델 설계 및 학습 경험 - 모델 단위가 아닌, 데이터 수집 학습 배포까지 이어지는 end-to-end ML pipeline 경험"
의류 훼손 탐지 AI 엔지니어
2. 포지션 개요
의류 반품·검수 과정에서 발생하는 오염, 찢김, 올풀림, 보풀, 이염, 변색, 구멍, 봉제 불량 등 다양한 훼손 상태를 AI 기반으로 자동 탐지하는 비전 AI 모델을 개발합니다.
본 포지션은 의류 이미지 데이터를 기반으로 훼손 유형을 분류하고, 훼손 영역을 탐지하며, 실제 검수 업무에 적용 가능한 AI 판별 시스템을 구축하는 역할을 담당합니다. 단순 이미지 분류를 넘어, 검수 자동화·품질관리·반품 판정 프로세스와 연계되는 실무형 AI 시스템 개발 역량이 요구됩니다.
3. 리터놀을 소개합니다
리터놀은 비전 AI와 데이터를 통해 반품 산업의 비효율을 해결하는 스타트업입니다.
우리는 단순히 반품 상품을 검사하는 회사를 만들고 있지 않습니다. 멀쩡한 상품이 폐기되는 문제를 해결하고, 생산된 모든 상품이 본래의 목적을 다할 수 있는 세상을 만들고자 합니다.
우리의 미션
"모든 것을 제자리로 - Return All to Their Own Purpose"
상품은 생산자에게는 수익을, 사용자에게는 사용을 목적으로 생산됩니다.
하지만 오늘날 이커머스 시장에서는 수많은 상품이 반품 과정의 비효율 때문에 재판매되지 못하고 폐기됩니다.
리터놀은 비전 AI와 공정 혁신을 통해 반품 상품을 빠르고 균일하게 검사하고, 더 많은 상품이 다시 판매되고 사용될 수 있도록 만듭니다.
우리는 반품을 혁신하여 상품 생산의 본래 목적을 성취합니다.
우리가 만들고 싶은 미래
Set Return Free, the New Normal
리터놀은 판매자가 어떤 채널에서든 무료 반품과 당일 환불·교환을 제공할 수 있는 세상을 만들고 있습니다.
우리가 만드는 기술은 단순한 자동화가 아니라, 반품 경험 자체를 새로운 표준으로 바꾸기 위한 기반입니다.
우리가 중요하게 생각하는 가치
Win-Win
참여하는 모든 이해관계자가 함께 성장할 수 있는 방향을 선택합니다.
정직
편법보다 원칙을, 단기 성과보다 지속 가능한 성장을 추구합니다.
정보공유
정보를 독점하지 않습니다. 더 좋은 의사결정을 위해 함께 배우고 공유합니다.
이런 분과 함께하고 싶습니다
기술을 통해 실제 산업의 문제를 해결하고 싶은 분
단순한 기능 개발보다 사회에 긍정적인 영향을 만드는 일에 의미를 느끼는 분
빠르게 성장하는 스타트업 환경을 즐기는 분
리터놀의 미션과 비전에 공감하는 분
개인의 성장과 팀의 성장을 함께 만들어가고 싶은 분
주요업무
1. 선행연구 ( Research )범용 로봇 지능을 위한 Physical AI 아키텍처 및 학습 구조를 설계합니다.
• Physical AI 아키텍처 설계
- 조립/체결뿐만 아니라 물류 및 서비스 작업까지 확장 가능한 범용 Physical AI 아키텍처 설계
- Vision-Language-Action (VLA) 기반 로봇 제어 구조 연구
- VLM, MLLM, Policy Transformer 등 대규모 사전학습 모델 활용"
• 학습 기반 정책 및 일반화 구조 연구
- 강화학습(RL), 모방학습(IL), Foundation Model 기반 정책 학습 구조 연구
- 다양한 작업 환경(제조/물류/서비스)에서 일반화 가능한 Representation / Policy 구조 설계
- Sim2Real 전이 및 데이터 효율성 개선 연구"
• 통합 로봇 지능 연구
- Manipulation뿐 아니라 grasping, picking, navigation, task sequencing 등 복합 작업을 포함한 통합 로봇 지능 연구
- 장기적으로 Task generalization 및 zero-shot 수행 가능성 확보"
2. 제품화 ( Product / Deployment )
연구 결과를 실제 환경에 적용 가능한 시스템으로 구현하고 확장합니다.
• 시스템 설계 및 확장
-조립/체결 작업을 중심으로 시작하여, 물류(피킹/이송) 및 서비스 작업까지 확장 가능한 시스템 설계
-다양한 작업 유형에 빠르게 적용 가능한 공통 ML pipeline 구축
• 실환경 적용 및 성능 개선
-실제 생산 및 물류 환경에서 정확도, 속도, 안정성 등 성능 개선
• Vision / Motion / SW 팀과 협업하여 end-to-end pipeline 구축
-운영 효율화
-작업별 fine-tuning 비용 최소화 및 적용 속도 개선"
자격요건
“로봇이 일을 하게 만드는 구조”를 설계하는 분을 찾습니다.• Physical AI / Robotics - - Intelligence - 로봇 manipulation 또는 control 관련 프로젝트 경험 (실환경 또는 시뮬레이션)
• MuJoCo, Isaac Gym 등 시뮬레이션 환경을 활용한 학습 및 검증 경험
• Sim2Real 문제를 경험해 본 분 (실제 로봇 적용 경험 또는 이에 준하는 경험)
• 강화학습(RL), 모방학습(IL), Policy Learning 중 하나 이상을 활용한 시스템 구현 경험
• Learning & System - 머신러닝, 딥러닝, 강화학습 중 하나 이상의 분야에서 실무 경험
• PyTorch 또는 TensorFlow 기반 모델 설계 및 학습 경험 - 모델 단위가 아닌, 데이터 수집 학습 배포까지 이어지는 end-to-end ML pipeline 경험"
