포지션 상세
[회사 소개]
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 수집한 데이터를 VLM 및 End-to-End 자율주행 모델이 학습할 수 있는 정확한 장면 정보로 만듭니다. LiDAR를 중심으로 카메라, GNSS/RTK, IMU를 활용해 정밀한 차량 위치와 주변 환경을 복원하고, 객체·도로 구조에 대한 자동 라벨링 기술을 개발합니다. 수작업 라벨링과 사전 구축된 HD Map에 대한 의존도를 줄이면서, 대규모 주행 데이터에서 일관된 학습용 라벨과 지도를 생성하는 것이 목표입니다.
[주요 업무]
• LiDAR SLAM/LIO 및 다중 센서 융합을 활용한 정밀 ego pose 추정 알고리즘 개발 및 고도화
• 다중 프레임·다중 주행 세션의 포인트 클라우드를 정합하고, 루프 클로저와 오프라인 최적화를 통한 기준 지도 구축
• LiDAR 기반 3D 객체 검출, 분할 및 추적 기술을 활용한 자동 라벨링 파이프라인 개발
• 동적 객체와 정적 배경을 분리하고, 가려짐과 관측 누락을 고려한 객체 궤적 및 정적 장면 복원
• 도로 경계, 차선·노면 표시, 주행 가능 영역 등 학습에 필요한 정보를 추출하고, 벡터 지도 또는 BEV·Occupancy 형태로 구조화
• LiDAR·카메라 정합을 통해 VLM/E2E 학습용 라벨을 생성하고, 위치 추정·지도·라벨의 품질 지표와 자동 검증 체계 구축
• 지도·ego pose·라벨의 버전과 의존 관계를 관리하고, 변경 시 영향을 받는 주행 세션의 재처리 체계 구축
• LiDAR Perception 또는 LiDAR SLAM·센서 융합 위치 추정 중 한 분야의 전문성과, 다른 분야의 결과를 연계해 활용할 수 있는 이해
• 좌표 변환, 센서 캘리브레이션, 시간 동기화 및 ego motion 보상에 대한 이해
• LiDAR와 카메라·GNSS/RTK·IMU 중 하나 이상의 센서를 함께 활용한 실제 데이터 처리 경험
• 실제 주행 데이터에서 오류 원인을 분석하고, 정량 평가를 통해 알고리즘을 개선한 경험
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.
주요업무
[Senior LiDAR Algorithm Engineer]차량이 수집한 데이터를 VLM 및 End-to-End 자율주행 모델이 학습할 수 있는 정확한 장면 정보로 만듭니다. LiDAR를 중심으로 카메라, GNSS/RTK, IMU를 활용해 정밀한 차량 위치와 주변 환경을 복원하고, 객체·도로 구조에 대한 자동 라벨링 기술을 개발합니다. 수작업 라벨링과 사전 구축된 HD Map에 대한 의존도를 줄이면서, 대규모 주행 데이터에서 일관된 학습용 라벨과 지도를 생성하는 것이 목표입니다.
[주요 업무]
• LiDAR SLAM/LIO 및 다중 센서 융합을 활용한 정밀 ego pose 추정 알고리즘 개발 및 고도화
• 다중 프레임·다중 주행 세션의 포인트 클라우드를 정합하고, 루프 클로저와 오프라인 최적화를 통한 기준 지도 구축
• LiDAR 기반 3D 객체 검출, 분할 및 추적 기술을 활용한 자동 라벨링 파이프라인 개발
• 동적 객체와 정적 배경을 분리하고, 가려짐과 관측 누락을 고려한 객체 궤적 및 정적 장면 복원
• 도로 경계, 차선·노면 표시, 주행 가능 영역 등 학습에 필요한 정보를 추출하고, 벡터 지도 또는 BEV·Occupancy 형태로 구조화
• LiDAR·카메라 정합을 통해 VLM/E2E 학습용 라벨을 생성하고, 위치 추정·지도·라벨의 품질 지표와 자동 검증 체계 구축
• 지도·ego pose·라벨의 버전과 의존 관계를 관리하고, 변경 시 영향을 받는 주행 세션의 재처리 체계 구축
자격요건
• LiDAR 알고리즘 관련 개발 경력 6년 이상 또는 이에 준하는 연구·개발 역량• LiDAR Perception 또는 LiDAR SLAM·센서 융합 위치 추정 중 한 분야의 전문성과, 다른 분야의 결과를 연계해 활용할 수 있는 이해
• 좌표 변환, 센서 캘리브레이션, 시간 동기화 및 ego motion 보상에 대한 이해
• LiDAR와 카메라·GNSS/RTK·IMU 중 하나 이상의 센서를 함께 활용한 실제 데이터 처리 경험
• 실제 주행 데이터에서 오류 원인을 분석하고, 정량 평가를 통해 알고리즘을 개선한 경험
