![모티프드라이브-[E2E Team] E2E/VLA Engineer](https://image.wanted.co.kr/optimize?src=https%3A%2F%2Fstatic.wanted.co.kr%2Fimages%2Fcompany%2F51009%2Fly0wnunfuk98ww64__1080_790.png&w=700&q=100)
![모티프드라이브-[E2E Team] E2E/VLA Engineer](https://image.wanted.co.kr/optimize?src=https%3A%2F%2Fstatic.wanted.co.kr%2Fimages%2Fcompany%2F51009%2Fzs6vmtgs4lggi8u0__1080_790.png&w=700&q=100)
![모티프드라이브-[E2E Team] E2E/VLA Engineer](https://image.wanted.co.kr/optimize?src=https%3A%2F%2Fstatic.wanted.co.kr%2Fimages%2Fcompany%2F51009%2Floie87upyefm7v2c__1080_790.png&w=700&q=100)
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.
[팀 소개]
MotifDrive E2E 팀은 카메라를 비롯한 센서 입력에서 주행 궤적까지를 하나의 신경망으로 학습하는 End-to-End 자율주행 모델을 연구합니다. Perception과 Planning을 하나로 학습하는 아키텍처를 설계하고, Imitation Learning과 Reinforcement Learning을 결합해 복잡한 도로 상황에서도 안전하고 자연스럽게 주행하는 모델을 만들어 갑니다. 나아가 VLA(Vision-Language-Action)처럼 대규모 사전학습 모델의 상식과 추론 능력을 주행에 연결하는 차세대 구조도 함께 연구하고 있습니다.
E2E 팀에서는 연구와 엔지니어링이 자연스럽게 이어집니다. 연구를 통해 모델의 주행 성능을 차근차근 키워 나가고, 그렇게 발전시킨 모델이 실제 자율주행 차량에서 안정적으로 동작하도록 다듬는 과정까지 함께합니다. 새로운 아이디어가 실험으로 검증되고, 실차에 탑재하여 도로 위를 달리기까지의 과정을 함께 경험할 수 있습니다.
E2E/VLA Engineer는 센서 입력부터 주행 궤적까지 하나로 학습되는 통합 E2E 모델을 연구합니다. 인식과 플래닝을 아우르는 모델을 end-to-end로 학습하고, closed-loop 환경에서 실제 주행 성능을 검증하며 개선해 나갑니다. 데이터 임베딩 팀과 협업해 학습에 필요한 주행 장면을 선별하고, VLA 등 새로운 모델 구조도 함께 연구합니다.
[주요 업무]
• E2E 자율주행 모델 전체 성능 고도화 및 end-to-end 학습 운영 (Encoder-Planner Joint Training, Loss 설계, 학습 안정화)
• Closed-loop 환경에서 통합 E2E 모델의 주행 성능 검증 및 모델 성능 개선
• 임베딩 팀과 협업하여 실차 지연 시간·연산 예산을 고려한 모델 경량화
• VLA 아키텍처 선행 연구: VLM 등 대규모 사전학습 모델을 주행에 결합하는 구조(Action Tokenization, Action Head, Dual-System 등)를 설계하고, 주행 장면 설명·의사결정 근거 등 Language Annotation 데이터를 활용한 학습을 통해 기존 E2E 모델 대비 효과 검증
• E2E 자율주행 모델 또는 로봇 정책 학습 모델의 연구·개발 경험
• Closed-loop 평가와 Open-loop 지표의 차이 등 통합 E2E 모델 평가에 대한 이해
• Transformer 기반 Multi-modal 모델 구조에 대한 깊은 이해
• PyTorch 기반 대규모 학습 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.
[팀 소개]
MotifDrive E2E 팀은 카메라를 비롯한 센서 입력에서 주행 궤적까지를 하나의 신경망으로 학습하는 End-to-End 자율주행 모델을 연구합니다. Perception과 Planning을 하나로 학습하는 아키텍처를 설계하고, Imitation Learning과 Reinforcement Learning을 결합해 복잡한 도로 상황에서도 안전하고 자연스럽게 주행하는 모델을 만들어 갑니다. 나아가 VLA(Vision-Language-Action)처럼 대규모 사전학습 모델의 상식과 추론 능력을 주행에 연결하는 차세대 구조도 함께 연구하고 있습니다.
E2E 팀에서는 연구와 엔지니어링이 자연스럽게 이어집니다. 연구를 통해 모델의 주행 성능을 차근차근 키워 나가고, 그렇게 발전시킨 모델이 실제 자율주행 차량에서 안정적으로 동작하도록 다듬는 과정까지 함께합니다. 새로운 아이디어가 실험으로 검증되고, 실차에 탑재하여 도로 위를 달리기까지의 과정을 함께 경험할 수 있습니다.
주요업무
[포지션 소개]E2E/VLA Engineer는 센서 입력부터 주행 궤적까지 하나로 학습되는 통합 E2E 모델을 연구합니다. 인식과 플래닝을 아우르는 모델을 end-to-end로 학습하고, closed-loop 환경에서 실제 주행 성능을 검증하며 개선해 나갑니다. 데이터 임베딩 팀과 협업해 학습에 필요한 주행 장면을 선별하고, VLA 등 새로운 모델 구조도 함께 연구합니다.
[주요 업무]
• E2E 자율주행 모델 전체 성능 고도화 및 end-to-end 학습 운영 (Encoder-Planner Joint Training, Loss 설계, 학습 안정화)
• Closed-loop 환경에서 통합 E2E 모델의 주행 성능 검증 및 모델 성능 개선
• 임베딩 팀과 협업하여 실차 지연 시간·연산 예산을 고려한 모델 경량화
• VLA 아키텍처 선행 연구: VLM 등 대규모 사전학습 모델을 주행에 결합하는 구조(Action Tokenization, Action Head, Dual-System 등)를 설계하고, 주행 장면 설명·의사결정 근거 등 Language Annotation 데이터를 활용한 학습을 통해 기존 E2E 모델 대비 효과 검증
자격요건
• 머신러닝, 컴퓨터 비전, 로보틱스 관련 석사 이상 또는 그에 준하는 실무 경험• E2E 자율주행 모델 또는 로봇 정책 학습 모델의 연구·개발 경험
• Closed-loop 평가와 Open-loop 지표의 차이 등 통합 E2E 모델 평가에 대한 이해
• Transformer 기반 Multi-modal 모델 구조에 대한 깊은 이해
• PyTorch 기반 대규모 학습 경험
