D-18
장학생
[장학생] 26년 하반기 연구장학생 선발 (Scholarship Recruitment)
로봇 학습 모델 개발 및 실증평가 개선
로보틱스사업실
SW/로직
알고리즘(AI/제어)
의왕연구소
2026-09-11 - 2026-09-29 10:00
주의사항
- 현대모비스의 미래를 이끌어 나갈 연구장학생(석박사)을 선발하기 위한 공고입니다. 26년 입사를 원하시는 분들은 다른 신입/경력 공고에 지원해주시기 바랍니다.
- 지원자격 및 우대사항 등을 꼼꼼히 확인해주시기 부탁드리며, 문의사항은 채용사이트 Q&A 게시판 통해 남겨주시기 바랍니다.
조직소개
우리 조직은 차세대 로봇의 핸드 그리퍼 및 초소형 액추에이터를 개발합니다. 로봇 핸드 시스템의 요구사항 정의부터 액추에이터, 모터, 제어기, 임베디드 소프트웨어 개발까지 전 영역을 아우르며 인간 수준의 정교한 조작 능력을 구현하고, 고성능 로봇 핸드 플랫폼을 구축하고 있습니다. 시스템 엔지니어링 기반의 요구사항 관리와 검증 체계를 통해 핸드 아키텍처를 정의하고, 기구·전장·소프트웨어의 통합 최적화를 수행하며, /DFM 기반 양산 설계, 신뢰성 검증, 플랫폼 표준화를 통해 연구개발 단계부터 양산 적용까지 End-to-End 개발을 주도하고 있습니다.
현대모비스 용어사전
DFX
Design for Everything/Excellence를 의미하며 DFSS(Design for Six Sigma)/DFR(Reliability)/DFA(Assembly)등 각종 설계 기술을 총칭
직무상세
[모방학습 기반 로봇 정책 개발]
- 실증 데이터를 활용한 로봇 학습 모델 개발
- Teleoperation Demonstration 데이터 기반 Imitation Learning / Behavior Cloning 모델 개발
- Diffusion Policy, ACT 등 매니퓰레이션 정책 모델 구현 및 학습
- State / Action Space 설계 및 학습 조건 정의
- 실 로봇 적용을 고려한 모델 경량화 및 추론 최적화
[공개 모델 활용 및 Fine-tuning]
- Robot Foundation Model 도입 및 자사 하드웨어 적용
- 공개 VLA / Robot Foundation Model의 자사 그리퍼·작업 대상 Fine-tuning
- 사전학습 모델 대비 자체 데이터 학습 효과 분석
- Grasp Pose Estimation 및 6D Object Pose 기반 파지 인식 모델 적용
[모델 실증 평가 및 개선]
- 실 로봇 기반 AI 모델 성능 검증
- 작업 성공률, 재현성, Cycle Time 등 AI 모델 성능 지표(KPI) 설계
- 실 로봇 환경에서의 모델 성능 평가 및 실패 사례 분석
- Sim-to-Real 성능 차이 분석 및 개선 항목 도출
- 평가 결과 기반 재학습(Re-training) 루프 운영
- 실험 조건·결과 관리 및 재현성 확보 (MLflow 등)
지원자격
- 기계공학 전공자 / 전기공학 전공자
- 컴퓨터공학/전자전기공학/로봇공학/인공지능 관련 전공자
- Python 및 PyTorch 기반 Deep Learning 모델 개발 역량을 보유하신 분
- Vision / 시계열 / Sensor 데이터 중 하나 이상의 학습 경험을 보유하신 분
- 연구 결과를 실제 환경에서 검증하려는 문제 해결 역량을 보유하신 분
- 석사 : 1~3학기 재학생
- 박사 : Coursework 수료자
※ Coursework 수료기준 : 성적표 상 학점이 더 이상 기입되지 않는 시점 - 남성의 경우 병역을 마치셨거나 면제되신 분 (병역특례로 지원불가)
- 학부성적기준 평점 ‘B’ 이상이신 분
- 해외여행에 결격사유가 없으신 분
우대사항
- Imitation Learning / Behavior Cloning 기반 로봇 정책 개발 경험자
- Diffusion Policy, ACT 등 매니퓰레이션 정책 모델 구현 경험자
- 공개 VLA / Robot Foundation Model(OpenVLA, π0, RDT, GR00T 등) 활용·Fine-tuning 경험자
- Grasp Pose Estimation 또는 6D Object Pose Estimation 경험자
- 강화학습(PPO / SAC / TD3) 또는 Offline RL 기반 정책 학습 경험자
- ROS / ROS2 연동 및 실 로봇 모델 배포 경험자
- CUDA / GPU 기반 학습 및 추론 최적화(TensorRT, 양자화) 경험자
- 실험 관리 및 재현성 도구(MLflow, W&B) 활용 경험자
- Robotics / Embodied AI 분야 논문 구현 경험자
전형절차
- 지원서 접수(~9/29) → 인성검사/코딩테스트(10/中) → 1차 면접(10/末) → 2차 면접(11/中) → 채용 검진(11/末) → 장학생 선발(12/中)
※ 운영 상황에 따라 일부 전형은 온라인으로 진행될 수 있으며, 전형 및 일정 또한 변경될 수 있습니다.
※ 2차 면접 시 영어 면접이 실시되오니 참고하시기 바랍니다.
※ 입사 시점은 개인별 남은 학위 기간에 따라 달라질 수 있습니다. 선발된 장학생에게 개별 안내드릴 예정입니다.
※ 장학생 선발을 위한 상세 일정은 전형별 합격자에 한해 개별 안내드릴 예정입니다.
※ SW직무에 한하여 코딩테스트가 진행됩니다.
기타
- 지원서를 포함한 채용 전형 전 과정에서 제출한 내용이 사실과 다르거나 문서로 증빙이 불가할 경우, 혹은 고의적인 기재사항 누락이 확인될 경우 합격이 취소되거나 전형 상의 불이익을 받을 수 있습니다.
- 취업보호대상자(장애, 보훈 등)는 관계 법령에 의거하여 우대하오니, 지원서에 증빙 서류를 제출하시기 바랍니다.
- 지원서 접수는 온라인(채용사이트)을 통해 접수하며, 그 외의 개별 접수는 받지 않습니다.
- 전형이 진행중인 경우, 그룹사(현대자동차, 현대위아 등) 장학채용 전형에 중복지원이 불가합니다.
- 단, 전형이 종료된 이후(전형포기 및 탈락)에는 타사 공고에 지원이 가능합니다.
※ 전형포기: 본인의 의사로 전형을 포기할 경우, 해당 전형 인사담당자에게 전형포기 의사를 밝힌 시점부터 타 공고 지원 가능합니다.
※ 탈락: 전형 결과 발표에서 불합격 통보를 받은 인원의 경우, 불합격 통보 시점부터 타 공고 지원 가능합니다.
키워드
- #로봇 학습 모델 개발 및 실증평가
- #딥러닝
- #제어
- #로보틱스
- #액추에이터
현업 선배들의 인터뷰
영상으로 만나는 현대모비스