포지션 상세
[ 웨어러블에이아이 소개 ]
"모든 사람들이 어디든지 자유롭게 이동할 수 있는 세상”
우리는 AI 기반 자율주행 기술을 통해 이동의 장벽이 없는 세상을 만듭니다.
웨어러블에이아이의 목표는 장애인, 노약자, 임산부, 어린이 등 교통 약자들과, 무거운 짐을 지닌 사람이나 영유아를 동반한 사람들과 같이, 이동 제약이 있는 사람들을 아울러 모든 사람들이 어디든지 자유롭게 이동할 수 있는 세상을 만드는 것입니다.
우리는 이용자의 편의를 최우선적으로 고려하여 제품을 설계하고, 자율주행 기술을 통해 실제로 서비스가 가능한 완전자율주행 차량을 만들고 있습니다.
[직무소개]
본 포지션은 SPM(Special Purpose Mobility) 환경—조선소, 항만, 물류 야드, 리조트, 대형 캠퍼스 등 사람·차량·작업 장비가 혼재된 공간—에서 자율주행 모빌리티가 자신의 위치를 안정적으로 추정하고, 서비스 가능한 수준의 지도를 유지할 수 있도록 Localization 및 Mapping 시스템을 개발하는 역할입니다.
Calibration, 시간 동기화, 지도 품질 관리, 실차 로그 분석을 바탕으로 실제 운행 환경에서 재현 가능한 Localization 성능을 만듭니다.
SPM 환경의 불확실성을 데이터와 실험으로 해석하고, Motion Planning, Perception, DevOps 엔지니어와 협업해 목적지 좌표 변환 및 Global Route/Far Subgoal 생성이 안정적으로 이뤄지도록 지원할 분을 찾고 있습니다. 실제 주행 회피·판단(Local Planning)은 Localization 결과에 대한 과도한 의존 없이 동작하도록 설계되어 있으며, 본 포지션은 신뢰도 높은 좌표 제공과 HD Map 의존 최소화라는 목표에 기여합니다.
• 다양한 SPM 현장에서 LiDAR, 카메라, IMU 등을 활용한 Localization 알고리즘 개발
• SLAM, Scan Matching, Sensor Fusion 기반 Mapping Pipeline 구현
• 주행 경로, 지도 품질, 센서 상태에 따라 Localization 성능이 흔들리는 조건을 분석하고 개선
• HD Map 의존을 최소화하면서, 목적지 좌표 변환과 Global Route Planning/Far Subgoal 생성에 필요한 만큼의 경량 지도 표현, 좌표계, 파라미터 관리 방식 설계
2. 센서 보정 및 데이터 품질 관리
• 센서 장착 위치, Extrinsic Parameter, 시간 동기화 상태를 점검하고 보정 절차 수립
• Localization 성능에 영향을 주는 센서 노이즈, 누락, 왜곡, 시간 지연 문제를 로그 기반으로 분석
• Mapping 및 Localization 검증에 필요한 데이터 수집 계획과 품질 기준 정의
• 반복 실험이 가능하도록 Dataset, 보정 파일, 지도 버전 관리 체계 정리
3. 실시간 시스템 통합 및 최적화
• C++ 기반으로 작성된 Localization 모듈을 ROS2 기반 자율주행 시스템에 통합
• 임베디드 컴퓨팅 환경에서 지연 시간, 메모리 사용량, 처리 주기를 고려한 최적화 수행
• Motion Planning, Perception, Control 모듈과의 인터페이스를 정의하고 통합 테스트 수행
• Localization 실패, 지도 불일치, 센서 장애 상황을 진단하고 복구 로직 개선
4. 실차 테스트 및 성능 검증
• 다양한 SPM 현장에서 Localization 성능 테스트 수행
• Localization 오차, 재초기화 성공률, 지도 매칭 안정성, 운행 중단 사례를 지표화하여 분석
• 실차 로그를 기반으로 실패 케이스를 재현하고 개선 실험을 설계
• 운영 환경 변화에 따른 지도 업데이트 및 재검증 절차 수립
5. 문서화 및 협업 체계 구축
• 지도 제작 절차, 센서 보정 절차, Localization 파라미터 변경 이력을 문서화
• DevOps 및 MLOps 담당자와 협업하여 로그 수집·분석 흐름 및 알고리즘 개선 방법론 설계
• Motion Planning 및 하드웨어 팀과 지도·좌표계·센서 장착 기준을 조율
• 신규 공간 도입 시 필요한 Mapping 및 Localization 검증 체크리스트 작성
[주요 산출물]
• SPM 환경 Localization 및 Mapping 알고리즘 모듈
• 센서 보정 절차서 및 파라미터 관리 문서
• 공간별 경량 지도 데이터와 지도 품질/신뢰도 검증 리포트
• Localization 성능 평가 지표 및 실차 테스트 결과 리포트
• Localization 실패 케이스 로그 및 개선 이력 관리 체계
[온보딩 로드맵]
[입사 후 1개월: 시스템 구조 및 데이터 흐름 파악]
현재 자율주행 플랫폼의 센서 구성, 좌표계, 지도 형식, Localization 모듈 구조 파악
현재까지 누적된 실차 로그와 Localization 실패 사례를 검토하고 주요 개선 후보 정리
Mapping 및 센서 보정 절차를 직접 수행하며 현재 작업 방식의 병목 파악
[입사 후 3개월: 핵심 Localization 문제 1차 개선]
우선순위가 높은 Localization 실패 케이스를 선정하고 재현 가능한 실험 절차 구성
Localization 파라미터, 센서 보정, 지도 품질 중 하나 이상의 영역에서 개선안 적용
개선 전·후 성능을 비교할 수 있는 기본 지표와 테스트 리포트 작성
[입사 후 6개월: 실차 검증 체계 정착]
주요 운행 시나리오별 Localization 성능 평가 프로토콜 구축
지도 업데이트 및 센서 보정 작업이 반복 가능하도록 체크리스트와 문서 정리
Motion Planning 및 Perception 모듈과 연결된 통합 이슈 해결
[입사 후 1년: 신규 공간 적용 및 안정화 주도]
신규 SPM 공간의 Mapping, Localization 검증, 운영 안정화 과정을 주도
Localization 성능의 병목을 정량적으로 관리하고 장기 개선 로드맵 제안
현장 배포 가능한 수준의 Localization 모듈과 운영 문서 체계 정착
• SLAM, Localization, Mapping 문제를 실제 데이터로 설계하고 구현할 수 있는 능력
• LiDAR, 카메라, IMU 등 하나 이상의 센서 데이터를 처리하고 활용할 수 있는 역량
• 실험 데이터를 기반으로 알고리즘 성능을 분석하고 개선할 수 있는 능력
• LiDAR, 카메라, IMU 등 센서 간 Extrinsic Parameter를 보정하고 시간 동기화 문제를 진단·해결할 수 있는 역량
• Localization 결과의 신뢰도(Confidence)를 정량적으로 추정하고, 신뢰도가 높은 경우에만 목적지 좌표(Goal) 업데이트에 반영되도록 설계할 수 있는 역량
[소프트웨어 개발 역량]
• C++로 알고리즘을 구현하고 디버깅할 수 있는 능력
• Python을 활용해 데이터 분석, 실험 자동화, 로그 분석을 수행할 수 있는 능력
• Linux 개발 환경과 Git을 활용해 협업할 수 있는 능력
• 실시간 처리, 메모리 사용량, 지연 시간 등 시스템 제약을 고려해 개발할 수 있는 역량
[실험 설계 및 검증 역량]
• 알고리즘 성능을 정량 지표로 정의하고 실험 결과를 비교할 수 있는 능력
• 실차 로그에서 문제 원인을 추적하고 재현 가능한 테스트 케이스로 정리할 수 있는 능력
• 현장 환경의 불확실성을 고려해 테스트 조건과 한계를 명확히 설명할 수 있는 능력
[자율주행 시스템 이해]
• SLAM 결과를 목적지 좌표 변환, Global Route Planner, Far Subgoal 생성에 안정적으로 연동하는 능력, 그리고 Local • Planning(실제 주행 회피·판단)이 Localization 결과에 과도하게 의존하지 않는 reactive 구조를 이해하고 지원할 수 있는 역량
• 좌표계, 시간 동기화, 센서 장착 위치 등 시스템 통합 이슈를 파악할 수 있는 역량
• ROS 2 또는 유사 미들웨어 기반으로 모듈을 개발하고 통합할 수 있는 역량
[협업 및 문제 해결 태도]
• 정리되지 않은 현장 문제를 로그, 지표, 가설 단위로 구조화할 수 있는 능력
• 다양한 직군과 기술적 내용을 명확히 공유하고 합의된 기준으로 실행할 수 있는 역량
• 불완전한 데이터나 환경에서도 필요한 실험을 설계하고 끝까지 개선할 수 있는 역량
"모든 사람들이 어디든지 자유롭게 이동할 수 있는 세상”
우리는 AI 기반 자율주행 기술을 통해 이동의 장벽이 없는 세상을 만듭니다.
웨어러블에이아이의 목표는 장애인, 노약자, 임산부, 어린이 등 교통 약자들과, 무거운 짐을 지닌 사람이나 영유아를 동반한 사람들과 같이, 이동 제약이 있는 사람들을 아울러 모든 사람들이 어디든지 자유롭게 이동할 수 있는 세상을 만드는 것입니다.
우리는 이용자의 편의를 최우선적으로 고려하여 제품을 설계하고, 자율주행 기술을 통해 실제로 서비스가 가능한 완전자율주행 차량을 만들고 있습니다.
[직무소개]
본 포지션은 SPM(Special Purpose Mobility) 환경—조선소, 항만, 물류 야드, 리조트, 대형 캠퍼스 등 사람·차량·작업 장비가 혼재된 공간—에서 자율주행 모빌리티가 자신의 위치를 안정적으로 추정하고, 서비스 가능한 수준의 지도를 유지할 수 있도록 Localization 및 Mapping 시스템을 개발하는 역할입니다.
Calibration, 시간 동기화, 지도 품질 관리, 실차 로그 분석을 바탕으로 실제 운행 환경에서 재현 가능한 Localization 성능을 만듭니다.
SPM 환경의 불확실성을 데이터와 실험으로 해석하고, Motion Planning, Perception, DevOps 엔지니어와 협업해 목적지 좌표 변환 및 Global Route/Far Subgoal 생성이 안정적으로 이뤄지도록 지원할 분을 찾고 있습니다. 실제 주행 회피·판단(Local Planning)은 Localization 결과에 대한 과도한 의존 없이 동작하도록 설계되어 있으며, 본 포지션은 신뢰도 높은 좌표 제공과 HD Map 의존 최소화라는 목표에 기여합니다.
주요업무
1. Localization 및 Mapping 알고리즘 개발• 다양한 SPM 현장에서 LiDAR, 카메라, IMU 등을 활용한 Localization 알고리즘 개발
• SLAM, Scan Matching, Sensor Fusion 기반 Mapping Pipeline 구현
• 주행 경로, 지도 품질, 센서 상태에 따라 Localization 성능이 흔들리는 조건을 분석하고 개선
• HD Map 의존을 최소화하면서, 목적지 좌표 변환과 Global Route Planning/Far Subgoal 생성에 필요한 만큼의 경량 지도 표현, 좌표계, 파라미터 관리 방식 설계
2. 센서 보정 및 데이터 품질 관리
• 센서 장착 위치, Extrinsic Parameter, 시간 동기화 상태를 점검하고 보정 절차 수립
• Localization 성능에 영향을 주는 센서 노이즈, 누락, 왜곡, 시간 지연 문제를 로그 기반으로 분석
• Mapping 및 Localization 검증에 필요한 데이터 수집 계획과 품질 기준 정의
• 반복 실험이 가능하도록 Dataset, 보정 파일, 지도 버전 관리 체계 정리
3. 실시간 시스템 통합 및 최적화
• C++ 기반으로 작성된 Localization 모듈을 ROS2 기반 자율주행 시스템에 통합
• 임베디드 컴퓨팅 환경에서 지연 시간, 메모리 사용량, 처리 주기를 고려한 최적화 수행
• Motion Planning, Perception, Control 모듈과의 인터페이스를 정의하고 통합 테스트 수행
• Localization 실패, 지도 불일치, 센서 장애 상황을 진단하고 복구 로직 개선
4. 실차 테스트 및 성능 검증
• 다양한 SPM 현장에서 Localization 성능 테스트 수행
• Localization 오차, 재초기화 성공률, 지도 매칭 안정성, 운행 중단 사례를 지표화하여 분석
• 실차 로그를 기반으로 실패 케이스를 재현하고 개선 실험을 설계
• 운영 환경 변화에 따른 지도 업데이트 및 재검증 절차 수립
5. 문서화 및 협업 체계 구축
• 지도 제작 절차, 센서 보정 절차, Localization 파라미터 변경 이력을 문서화
• DevOps 및 MLOps 담당자와 협업하여 로그 수집·분석 흐름 및 알고리즘 개선 방법론 설계
• Motion Planning 및 하드웨어 팀과 지도·좌표계·센서 장착 기준을 조율
• 신규 공간 도입 시 필요한 Mapping 및 Localization 검증 체크리스트 작성
[주요 산출물]
• SPM 환경 Localization 및 Mapping 알고리즘 모듈
• 센서 보정 절차서 및 파라미터 관리 문서
• 공간별 경량 지도 데이터와 지도 품질/신뢰도 검증 리포트
• Localization 성능 평가 지표 및 실차 테스트 결과 리포트
• Localization 실패 케이스 로그 및 개선 이력 관리 체계
[온보딩 로드맵]
[입사 후 1개월: 시스템 구조 및 데이터 흐름 파악]
현재 자율주행 플랫폼의 센서 구성, 좌표계, 지도 형식, Localization 모듈 구조 파악
현재까지 누적된 실차 로그와 Localization 실패 사례를 검토하고 주요 개선 후보 정리
Mapping 및 센서 보정 절차를 직접 수행하며 현재 작업 방식의 병목 파악
[입사 후 3개월: 핵심 Localization 문제 1차 개선]
우선순위가 높은 Localization 실패 케이스를 선정하고 재현 가능한 실험 절차 구성
Localization 파라미터, 센서 보정, 지도 품질 중 하나 이상의 영역에서 개선안 적용
개선 전·후 성능을 비교할 수 있는 기본 지표와 테스트 리포트 작성
[입사 후 6개월: 실차 검증 체계 정착]
주요 운행 시나리오별 Localization 성능 평가 프로토콜 구축
지도 업데이트 및 센서 보정 작업이 반복 가능하도록 체크리스트와 문서 정리
Motion Planning 및 Perception 모듈과 연결된 통합 이슈 해결
[입사 후 1년: 신규 공간 적용 및 안정화 주도]
신규 SPM 공간의 Mapping, Localization 검증, 운영 안정화 과정을 주도
Localization 성능의 병목을 정량적으로 관리하고 장기 개선 로드맵 제안
현장 배포 가능한 수준의 Localization 모듈과 운영 문서 체계 정착
자격요건
[Localization 및 Mapping 역량]• SLAM, Localization, Mapping 문제를 실제 데이터로 설계하고 구현할 수 있는 능력
• LiDAR, 카메라, IMU 등 하나 이상의 센서 데이터를 처리하고 활용할 수 있는 역량
• 실험 데이터를 기반으로 알고리즘 성능을 분석하고 개선할 수 있는 능력
• LiDAR, 카메라, IMU 등 센서 간 Extrinsic Parameter를 보정하고 시간 동기화 문제를 진단·해결할 수 있는 역량
• Localization 결과의 신뢰도(Confidence)를 정량적으로 추정하고, 신뢰도가 높은 경우에만 목적지 좌표(Goal) 업데이트에 반영되도록 설계할 수 있는 역량
[소프트웨어 개발 역량]
• C++로 알고리즘을 구현하고 디버깅할 수 있는 능력
• Python을 활용해 데이터 분석, 실험 자동화, 로그 분석을 수행할 수 있는 능력
• Linux 개발 환경과 Git을 활용해 협업할 수 있는 능력
• 실시간 처리, 메모리 사용량, 지연 시간 등 시스템 제약을 고려해 개발할 수 있는 역량
[실험 설계 및 검증 역량]
• 알고리즘 성능을 정량 지표로 정의하고 실험 결과를 비교할 수 있는 능력
• 실차 로그에서 문제 원인을 추적하고 재현 가능한 테스트 케이스로 정리할 수 있는 능력
• 현장 환경의 불확실성을 고려해 테스트 조건과 한계를 명확히 설명할 수 있는 능력
[자율주행 시스템 이해]
• SLAM 결과를 목적지 좌표 변환, Global Route Planner, Far Subgoal 생성에 안정적으로 연동하는 능력, 그리고 Local • Planning(실제 주행 회피·판단)이 Localization 결과에 과도하게 의존하지 않는 reactive 구조를 이해하고 지원할 수 있는 역량
• 좌표계, 시간 동기화, 센서 장착 위치 등 시스템 통합 이슈를 파악할 수 있는 역량
• ROS 2 또는 유사 미들웨어 기반으로 모듈을 개발하고 통합할 수 있는 역량
[협업 및 문제 해결 태도]
• 정리되지 않은 현장 문제를 로그, 지표, 가설 단위로 구조화할 수 있는 능력
• 다양한 직군과 기술적 내용을 명확히 공유하고 합의된 기준으로 실행할 수 있는 역량
• 불완전한 데이터나 환경에서도 필요한 실험을 설계하고 끝까지 개선할 수 있는 역량
