포지션 상세
MotifDrive(모티프드라이브)는 2024년 10월 설립된 Physical AI 자율주행 소프트웨어 기업입니다. Pure End-to-End 주행 모델과 VLM 기반 의미 추론을 결합한 Dual-Loop 아키텍처, 그리고 수학 기반 Fail-Safety Layer로 구성된 3계층 구조를 통해 완성차(OEM)와 Tier-1 부품사의 양산 자율주행을 목표로 합니다.
카메라 기반 E2E 모델이 Scaling Law의 혜택을 받는 구조적으로 우월한 패러다임이라는 믿음 아래, 데이터를 빠르고 효율적으로 확보하고 정제하는 Data Engine을 회사의 핵심 경쟁력으로 구축하고 있습니다. 이번 채용은 그 Data Engine의 기반을 함께 만들어 갈 동료를 찾는 과정입니다.
[함께 일하는 방식]
• 작은 조직에서 수집부터 학습까지 전 과정을 직접 보고 개선합니다. 담당 영역의 결과가 회사의 실차 데모와 양산 성과로 바로 이어집니다.
• 측정 가능한 지표로 일합니다. 각 포지션은 입사 후 90일 기대 성과를 명시하고 있습니다.
• 연구 성과의 Top-Tier 학회·저널 게재를 장려합니다.
차량이 도로에서 본 것을 판단 가능한 신호로 바꿉니다. 실도로에서 매주 수집되는 주행 데이터로, 센서 입력에서 주행 경로까지 직접 예측하는 End-to-End 주행 모델과 VLM 에이전트를 학습하고 있습니다. 이 포지션은 그 안에서 인지 기술 전반을 맡습니다. 카메라와 LiDAR에서 객체와 신호등을 읽어내는 모델을 개발하고, 추가로 수집된 데이터의 어노테이션 자동 생성 파이프라인에서 인지 부분을 담당합니다.
[주요 업무]
• 카메라·LiDAR 기반 2D/3D Object Detection·Segmentation, 신호등·차선 인지 모델 개발
• 오토라벨링 파이프라인 구축: 수집된 주행 데이터에 자동으로 어노테이션을 생성하는 모델과 파이프라인 개발
• 실도로 수집 데이터 기반 학습 -＞ 평가 -＞ 실패 사례 분석 -＞ 개선 루프 운영
• 인지 모델이 요구하는 데이터 조건 정의 및 취득·큐레이션 요청 연계
• 2D 또는 3D Detection·Segmentation 모델을 직접 학습시키고 평가해본 경험
• 카메라 또는 LiDAR 데이터 처리 경험, 좌표계 변환과 캘리브레이션에 대한 이해
• 모델 성능이 나오지 않을 때 데이터를 직접 열어 원인을 규명해본 경험
카메라 기반 E2E 모델이 Scaling Law의 혜택을 받는 구조적으로 우월한 패러다임이라는 믿음 아래, 데이터를 빠르고 효율적으로 확보하고 정제하는 Data Engine을 회사의 핵심 경쟁력으로 구축하고 있습니다. 이번 채용은 그 Data Engine의 기반을 함께 만들어 갈 동료를 찾는 과정입니다.
[함께 일하는 방식]
• 작은 조직에서 수집부터 학습까지 전 과정을 직접 보고 개선합니다. 담당 영역의 결과가 회사의 실차 데모와 양산 성과로 바로 이어집니다.
• 측정 가능한 지표로 일합니다. 각 포지션은 입사 후 90일 기대 성과를 명시하고 있습니다.
• 연구 성과의 Top-Tier 학회·저널 게재를 장려합니다.
주요업무
[포지션 미션]차량이 도로에서 본 것을 판단 가능한 신호로 바꿉니다. 실도로에서 매주 수집되는 주행 데이터로, 센서 입력에서 주행 경로까지 직접 예측하는 End-to-End 주행 모델과 VLM 에이전트를 학습하고 있습니다. 이 포지션은 그 안에서 인지 기술 전반을 맡습니다. 카메라와 LiDAR에서 객체와 신호등을 읽어내는 모델을 개발하고, 추가로 수집된 데이터의 어노테이션 자동 생성 파이프라인에서 인지 부분을 담당합니다.
[주요 업무]
• 카메라·LiDAR 기반 2D/3D Object Detection·Segmentation, 신호등·차선 인지 모델 개발
• 오토라벨링 파이프라인 구축: 수집된 주행 데이터에 자동으로 어노테이션을 생성하는 모델과 파이프라인 개발
• 실도로 수집 데이터 기반 학습 -＞ 평가 -＞ 실패 사례 분석 -＞ 개선 루프 운영
• 인지 모델이 요구하는 데이터 조건 정의 및 취득·큐레이션 요청 연계
자격요건
• Python·PyTorch 기반 딥러닝 모델 개발 경력 3년 이상 (또는 관련 석사 이상)• 2D 또는 3D Detection·Segmentation 모델을 직접 학습시키고 평가해본 경험
• 카메라 또는 LiDAR 데이터 처리 경험, 좌표계 변환과 캘리브레이션에 대한 이해
• 모델 성능이 나오지 않을 때 데이터를 직접 열어 원인을 규명해본 경험
