포지션 상세
빛을 운영으로 전환하는 공간지능 에이전트
LiOps는 LiDAR와 카메라로 읽은 3D 세계를 에이전트가 이해하고 계획하고 실행하는 운영으로 연결합니다.
검증된 투자와 빠른 성장
본엔젤스벤처파트너스·퓨처플레이·Krew Capital 등 최고의 초기 투자사로 부터 누적 투자금 9억원 유치 완료. SNU Big-Scaleup 최종 데모데이 기업, 로봇활용 제조혁신 지원사업(5억원) 선정 등 정부의 인정을 받은 기술력을 보유한 빠르게 성장하는 스타트업입니다.
문제 중심, 열린 접근
패러다임을 고수하는 것보다 고객 문제를 해결하는 것을 우선합니다. 전통적인 방법이든 당신만의 새로운 접근이든, 일리가 있다면 먼저 시도해봅니다.
다양한 하드웨어 환경
AMR, 협동로봇, Legged Robot, 지게차부터 LiDAR 센서, 3D 카메라(Helios, Photoneo, Zed2i 등)까지-로보틱스 스택 전반에 걸친 폭넓은 경험을 쌓을 수 있는 역동적인 환경입니다.
Isaac Sim / Isaac Lab 기반 로봇 학습 환경 구축
로봇팔, 이동로봇, Legged Robot 등의 Motion / Manipulation Policy 개발
PPO, SAC, TD3 등 RL 알고리즘 구현 및 실험
Cartesian Space / Joint Space 기반 로봇 제어 정책 설계
Visual / 3D Perception 정보를 활용한 로봇 제어 연구
Point Cloud, Depth, Robot State 등을 활용한 Policy Network 개발
Simulation에서 학습한 Policy의 실제 로봇 적용 및 Sim2Real
Reward Function, Observation / Action Space 및 Curriculum 설계
기존 제어기 및 MPC / NMPC와 Reinforcement Learning의 결합 연구
실제 로봇에서 발생하는 제어 오차, latency, sensor noise 등을 고려한 정책 개선
로봇의 Coordinate System, Transformation, Pose 등에 대한 기본적인 이해가 있는 분
논문을 읽는 것에서 끝나지 않고 실제 코드와 실험으로 구현하는 것을 좋아하는 분
실험 결과를 수치적으로 분석하고 문제의 원인을 찾아 개선할 수 있는 분
LiOps는 LiDAR와 카메라로 읽은 3D 세계를 에이전트가 이해하고 계획하고 실행하는 운영으로 연결합니다.
검증된 투자와 빠른 성장
본엔젤스벤처파트너스·퓨처플레이·Krew Capital 등 최고의 초기 투자사로 부터 누적 투자금 9억원 유치 완료. SNU Big-Scaleup 최종 데모데이 기업, 로봇활용 제조혁신 지원사업(5억원) 선정 등 정부의 인정을 받은 기술력을 보유한 빠르게 성장하는 스타트업입니다.
문제 중심, 열린 접근
패러다임을 고수하는 것보다 고객 문제를 해결하는 것을 우선합니다. 전통적인 방법이든 당신만의 새로운 접근이든, 일리가 있다면 먼저 시도해봅니다.
다양한 하드웨어 환경
AMR, 협동로봇, Legged Robot, 지게차부터 LiDAR 센서, 3D 카메라(Helios, Photoneo, Zed2i 등)까지-로보틱스 스택 전반에 걸친 폭넓은 경험을 쌓을 수 있는 역동적인 환경입니다.
주요업무
로봇 제어를 위한 Reinforcement Learning 알고리즘 연구 및 개발Isaac Sim / Isaac Lab 기반 로봇 학습 환경 구축
로봇팔, 이동로봇, Legged Robot 등의 Motion / Manipulation Policy 개발
PPO, SAC, TD3 등 RL 알고리즘 구현 및 실험
Cartesian Space / Joint Space 기반 로봇 제어 정책 설계
Visual / 3D Perception 정보를 활용한 로봇 제어 연구
Point Cloud, Depth, Robot State 등을 활용한 Policy Network 개발
Simulation에서 학습한 Policy의 실제 로봇 적용 및 Sim2Real
Reward Function, Observation / Action Space 및 Curriculum 설계
기존 제어기 및 MPC / NMPC와 Reinforcement Learning의 결합 연구
실제 로봇에서 발생하는 제어 오차, latency, sensor noise 등을 고려한 정책 개선
자격요건
Reinforcement Learning의 기본 원리를 이해하고 직접 구현할 수 있는 분로봇의 Coordinate System, Transformation, Pose 등에 대한 기본적인 이해가 있는 분
논문을 읽는 것에서 끝나지 않고 실제 코드와 실험으로 구현하는 것을 좋아하는 분
실험 결과를 수치적으로 분석하고 문제의 원인을 찾아 개선할 수 있는 분
