Physical AI Engineer

Description

Full Job Description

About the Team & Mission

Physical AI Engineer는 차세대 자율주행을 위한 End-to-End(E2E) Planning Model을 설계·개발하고, 모델의 학습·검증을 위한 Closed-loop Simulation 환경과 파이프라인을 개발합니다.

Trajectory Generation과 Decision-making을 수행하는 E2E Planning Model부터 Closed-loop Simulation까지, 주행 상황을 바탕으로 안전한 의사결정과 trajectory를 생성하는 핵심 기술을 개발합니다. Generative AI, Imitation Learning, Reinforcement Learning, 3D 환경 재구성 및 물리 기반 Simulation 등 다양한 기술을 실제 Autonomous Driving 문제에 적용합니다.

E2E Planning Model을 직접 설계·개발하고, Closed-loop Simulation과 실차에서 성능을 검증합니다. Simulation 및 실차 주행 데이터와 실패 사례를 분석하여 모델을 개선하는 개발 사이클을 반복하며 차세대 Autonomous Driving System 개발에 기여합니다.

The Physical AI Engineer designs and develops end-to-end (E2E) planning models for next-generation autonomous driving, as well as closed-loop simulation environments and pipelines for training and validating them.

You will work with E2E planning models for trajectory generation and decision-making, closed-loop simulation, generative AI, imitation learning, reinforcement learning, 3D environment reconstruction, and physics-based simulation to solve real-world autonomous driving problems.

You will directly design and develop E2E planning models and validate their performance in closed-loop simulation and real vehicles. By analyzing simulation results, real-world driving data, and failure cases, you will continuously improve the models and contribute to next-generation autonomous driving systems.

Responsibilities

• Trajectory Generation 및 Decision-making을 위한 E2E Planning Model 설계 및 개발

• E2E Planning Model의 학습·검증을 위한 Closed-loop Simulation 환경, 시나리오 및 평가 Pipeline 설계·개발

• E2E Planning Model과 Simulation 및 실차 시스템 간 연동 기능 개발과 실차 실험 수행

• Simulation 결과와 실차 주행 데이터 및 실패 사례 분석을 통한 E2E Planning Model 개선

• Design and develop E2E planning models for trajectory generation and decision-making

• Design and develop closed-loop simulation environments, scenarios, and evaluation pipelines for training and validating E2E planning models

• Develop integrations between E2E planning models, simulation, and real-vehicle systems, and conduct real-vehicle experiments

• Improve E2E planning models by analyzing simulation results, real-world driving data, and failure cases

Qualifications

• 컴퓨터공학, 전자공학, 자동차공학, 로봇공학 또는 관련 분야의 학사 학위와 2년 이상의 실무 경험 또는 이에 준하는 역량

• Python 또는 C++을 활용하여 소프트웨어를 구현하고 디버깅한 경험

• 다음 분야 중 하나 이상에 대한 학업, 프로젝트 또는 실무 경험

• Machine Learning 또는 Deep Learning 모델 개발 및 학습

• Motion Planning, Decision-making 또는 Robotics 알고리즘

• Computer Vision 또는 3D 환경 재구성 및 표현

• 차량·로봇의 동역학 모델링 또는 Simulation

• Bachelor’s degree in Computer Science, Electrical Engineering, Automotive Engineering, Robotics, or a related field with 2+ years of professional experience, or equivalent practical expertise

• Experience implementing and debugging software using Python or C++

• Academic, project, or professional experience in at least one of the following areas:

• Machine learning or deep learning model development and training

• Motion planning, decision-making, or robotics algorithms

• Computer vision or 3D environment reconstruction and representation

• Vehicle or robot dynamics modeling or simulation

Preferred Qualifications

• Autonomous Driving 또는 Robotics 분야에서 E2E Planning, Trajectory Generation, Decision-making 또는 Simulation 관련 프로젝트를 수행한 경험

• 실제 차량 또는 Robot 등 Hardware 환경에서 AI Model 및 알고리즘을 실험하고 검증한 경험

• Project experience in E2E planning, trajectory generation, decision-making, or simulation for autonomous driving or robotics

• Experience testing and validating AI models or algorithms on real vehicles, robots, or other hardware platforms

Interview Process

• 서류 전형

• 코딩 테스트

• 1차 면접 (화상, 1시간 내외)

• 2차 면접 (대면 혹은 화상, 3시간 내외)

• 처우 협의·입사

• Application Screening

• Coding Test

• First Interview (Virtual, approximately 1 hour)

• Second Interview (In-person or Virtual, approximately 3 hours)

• Offer Discussion / Onboarding

Additional Information

• 전형 절차는 일정 및 진행 상황에 따라 일부 변경될 수 있으며, 각 전형 결과는 등록하신 이메일로 개별 안내드립니다.

• 지원서 제출 시 주민등록번호, 가족관계, 혼인 여부, 연봉, 사진, 신체조건, 출신 지역 등 채용절차법상 요구 금지된 정보는 제외 부탁드립니다.

• 지원서 접수 중 오류가 발생하거나 기타 문의 사항이 있을 경우, recruit@42dot.ai로 문의해 주시기 바랍니다.

• 국가보훈대상자 및 취업보호 대상자는 관계법령에 따라 우대합니다.

• 장애인 고용 촉진 및 직업재활법에 따라 장애인 등록증 소지자를 우대합니다.

• 42dot은 의뢰하지 않은 서치펌의 이력서를 받지 않으며, 요청하지 않은 이력서에 대해 수수료를 지불하지 않습니다.

• 지원서 내용 중 허위 사실이 발견될 경우, 입사가 취소될 수 있습니다.

• 인터뷰 프로세스 종료 후 지원자의 동의하에 평판조회가 진행될 수 있습니다.

• 3개월의 수습기간이 적용될 수 있습니다.

• The recruitment process may change depending on schedule and progress; the result of each stage will be sent individually to your registered email.

Please do not include legally prohibited information in your application (e.g., ID number, family relations, marital status, salary, photo, physical details, hometown).

• For application errors or inquiries, contact recruit@42dot.ai.

• Veterans and applicants eligible for employment protection will receive preferential consideration in accordance with applicable laws and regulations.

• In compliance with the Act on Employment Promotion and Vocational Rehabilitation for Persons with Disabilities, registered individuals with disabilities will receive preferential consideration.

• 42dot does not accept unsolicited resumes from search firms. We will not pay any fees for resumes submitted without prior agreement.

• False information in your application may result in offer cancellation.

A reference check may be conducted after the interview process, with your consent.

• A 3-month probationary period may apply.

Discovered directly from the employer’s public Ashby Job Postings API. The complete public role content and compensation metadata were normalized into safe candidate-facing sections. Complete structured details were extracted from the public authoritative source while preserving the original application link.