포지션 상세
• 근무지 및 방식: 대한민국 서울(대면 근무)
• 고용 형태: 정규직
ZETIC은 로봇 지능을 하드웨어에 맞게 실행하는 추론 엔진을 만들고 있습니다. 모델의 연산 그래프, 수치 정밀도, 커널, 메모리와 런타임을 함께 설계해 실제 하드웨어에서의 실행 성능을 개선합니다. 로봇 지능 가속에서 출발해, 장기적으로 로보틱스의 표준 OS를 만드는 것이 목표입니다.
주요 파트너십/클라이언트 및 수상/선정 이력
• Samsung Research America, Qualcomm, LG전자, SK하이닉스 등 다수의 파트너십 및 클라이언트 확보
• TechCrunch Startup Battlefield 200 선정
• 유럽 Viva Tech 2026 'Swisstech Choice Award' 수상
• 2025 DEEP TECH TIPS R&D 선정
• COMEUP 2024 혁신 스타트업 Top10 선정
지원 모델의 최적화 전략과 구현을 맡아 연산 그래프, 정밀도, 텐서 레이아웃과 커널 선택을 함께 설계합니다. 로보틱스 경험을 바탕으로 이러한 변경이 로봇의 판단과 행동에 미치는 영향을 검증하고, C++ 런타임 엔지니어와 협업해 엔진의 재사용 가능한 기능으로 발전시킵니다.
• NVIDIA Jetson(Thor·Orin) 등 엣지 하드웨어에서의 추론 최적화 실행
• VLA·VLM과 로봇 행동 정책의 구조 분석
• 모델 export와 전처리부터 추론·행동 출력까지의 실행 경로 최적화
• 프로파일링 결과를 바탕으로 연산·메모리·실행 오버헤드의 병목 구분 및 병목을 줄이기 위한 변경의 직접 구현·측정
• 그래프 변환·양자화·구간별 정밀도·텐서 레이아웃 설계 및 런타임 팀과의 연산 결합·전용 커널 적용 검증
• 대상 하드웨어의 연산 성능·메모리 계층·지연 시간 제약을 고려한 실행 방식 선택 및 지원 장비에서의 비교 실행
• 전체 실행에 대한 재현 가능한 측정, 수치 오차와 로봇 작업 품질의 개별 평가 및 이를 통한 관측 시점·행동 지연이 실제 작업에 미치는 영향 확인
• 검증된 최적화 기법의 엔진 통합, 모델 구조·연산 정밀도·하드웨어별 적용 조건 문서화 및 모델·가중치 변경 시 성능·정확도 재검증
• Python과 PyTorch 등 딥러닝 프레임워크로 모델을 구현·수정·디버깅한 경험이 있는 분
• 추론 최적화를 직접 구현하고, 기존 대비 개선 효과를 측정한 경험이 있는 분
• 그래프 변환, 양자화, 연산·커널 개선 등 구체적인 실행 최적화 경험이 있는 분
• PyTorch Profiler, Nsight 등 프로파일링 도구로 병목을 찾고 실제 코드 개선으로 연결할 수 있는 분
• 실무·연구·프로젝트를 통해 로보틱스를 경험하고, 관측·추론·행동으로 이어지는 흐름을 이해하는 분
• 기준 모델과 비교 조건을 정하고, 성능 개선과 품질 변화를 재현 가능한 실험으로 설명할 수 있는 분
• 고용 형태: 정규직
ZETIC은 로봇 지능을 하드웨어에 맞게 실행하는 추론 엔진을 만들고 있습니다. 모델의 연산 그래프, 수치 정밀도, 커널, 메모리와 런타임을 함께 설계해 실제 하드웨어에서의 실행 성능을 개선합니다. 로봇 지능 가속에서 출발해, 장기적으로 로보틱스의 표준 OS를 만드는 것이 목표입니다.
주요 파트너십/클라이언트 및 수상/선정 이력
• Samsung Research America, Qualcomm, LG전자, SK하이닉스 등 다수의 파트너십 및 클라이언트 확보
• TechCrunch Startup Battlefield 200 선정
• 유럽 Viva Tech 2026 'Swisstech Choice Award' 수상
• 2025 DEEP TECH TIPS R&D 선정
• COMEUP 2024 혁신 스타트업 Top10 선정
주요업무
VLA·VLM과 로봇 행동 모델의 추론 병목을 분석하고, 실행 방식을 직접 개선할 Robotics Optimization Engineer를 찾습니다. 모델과 하드웨어 양쪽을 이해하며, 구현한 최적화의 성능과 품질을 측정으로 입증하는 역할입니다.지원 모델의 최적화 전략과 구현을 맡아 연산 그래프, 정밀도, 텐서 레이아웃과 커널 선택을 함께 설계합니다. 로보틱스 경험을 바탕으로 이러한 변경이 로봇의 판단과 행동에 미치는 영향을 검증하고, C++ 런타임 엔지니어와 협업해 엔진의 재사용 가능한 기능으로 발전시킵니다.
• NVIDIA Jetson(Thor·Orin) 등 엣지 하드웨어에서의 추론 최적화 실행
• VLA·VLM과 로봇 행동 정책의 구조 분석
• 모델 export와 전처리부터 추론·행동 출력까지의 실행 경로 최적화
• 프로파일링 결과를 바탕으로 연산·메모리·실행 오버헤드의 병목 구분 및 병목을 줄이기 위한 변경의 직접 구현·측정
• 그래프 변환·양자화·구간별 정밀도·텐서 레이아웃 설계 및 런타임 팀과의 연산 결합·전용 커널 적용 검증
• 대상 하드웨어의 연산 성능·메모리 계층·지연 시간 제약을 고려한 실행 방식 선택 및 지원 장비에서의 비교 실행
• 전체 실행에 대한 재현 가능한 측정, 수치 오차와 로봇 작업 품질의 개별 평가 및 이를 통한 관측 시점·행동 지연이 실제 작업에 미치는 영향 확인
• 검증된 최적화 기법의 엔진 통합, 모델 구조·연산 정밀도·하드웨어별 적용 조건 문서화 및 모델·가중치 변경 시 성능·정확도 재검증
자격요건
• C++를 다룬 경험이 있는 분• Python과 PyTorch 등 딥러닝 프레임워크로 모델을 구현·수정·디버깅한 경험이 있는 분
• 추론 최적화를 직접 구현하고, 기존 대비 개선 효과를 측정한 경험이 있는 분
• 그래프 변환, 양자화, 연산·커널 개선 등 구체적인 실행 최적화 경험이 있는 분
• PyTorch Profiler, Nsight 등 프로파일링 도구로 병목을 찾고 실제 코드 개선으로 연결할 수 있는 분
• 실무·연구·프로젝트를 통해 로보틱스를 경험하고, 관측·추론·행동으로 이어지는 흐름을 이해하는 분
• 기준 모델과 비교 조건을 정하고, 성능 개선과 품질 변화를 재현 가능한 실험으로 설명할 수 있는 분
