Senior Physical AI Engineer

About the Team & Mission

Senior Physical AI Engineer는 차세대 자율주행을 위한 End-to-End(E2E) Planning Model과 모델의 학습·검증을 위한 Closed-loop Simulation 환경 및 파이프라인의 설계·개발을 주도합니다.

Trajectory Generation과 Decision-making을 수행하는 E2E Planning Model부터 Closed-loop Simulation까지, 실제 차량의 주행 성능으로 이어지는 핵심 기술을 개발합니다. Generative AI, Imitation Learning, Reinforcement Learning, 3D 환경 재구성 및 물리 기반 Simulation 등 다양한 기술을 활용하여 모델과 가상 환경을 함께 발전시키고 Sim-to-Real Gap을 줄입니다.

E2E Planning Model의 설계·개발부터 Closed-loop Simulation 검증과 실차 실험, 결과 기반 모델 개선까지 전체 개발 사이클을 주도합니다. Simulation과 실차 간 성능 차이를 줄이고, 기술적 의사결정과 리뷰를 통해 차세대 Autonomous Driving System 개발을 이끕니다.

The Senior Physical AI Engineer leads the design and development of 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 across 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. You will help bridge the gap between virtual environments and real-world driving performance.

You will lead the full development cycle—from designing and developing E2E planning models to validating them in closed-loop simulation and real-vehicle experiments and improving them based on the results. You will reduce performance gaps between simulation and real vehicles and drive next-generation autonomous driving systems through technical decision-making and reviews.

Responsibilities

• Trajectory Generation 및 Decision-making을 위한 E2E Planning Model 설계·개발 및 성능 개선 주도

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

• E2E Planning Model과 Simulation 및 실차 시스템 간 인터페이스 통합과 실차 실험 주도

• Simulation 결과와 실차 주행 데이터 및 실패 사례를 분석하고 Sim-to-Real Gap을 줄이기 위한 모델 개선 방향 도출

• 담당 영역의 기술적 문제와 로드맵을 정의하고, 확장성·재현성·운영 안정성을 고려한 핵심 시스템의 아키텍처 및 개발 방향 주도

• 설계 및 코드 리뷰, 기술 공유와 멘토링을 통해 팀의 엔지니어링 품질 향상

• Lead the design, development, and performance improvement of E2E planning models for trajectory generation and decision-making

• Lead the design and development of closed-loop simulation environments, scenarios, and evaluation frameworks for training and validating E2E planning models

• Lead interface integration between E2E planning models, simulation, and real-vehicle systems, as well as real-vehicle experiments

• Analyze simulation results, real-world driving data, and failure cases to define model improvements that reduce the sim-to-real gap

• Define technical problems and roadmaps, and lead the architecture and development of key systems with scalability, reproducibility, and operational reliability in mind

• Raise the team's engineering quality through design and code reviews, knowledge sharing, and mentoring

Qualifications

• 컴퓨터공학, 전자공학, 자동차공학, 로봇공학 또는 관련 분야의 학사 학위와 8년 이상의 실무 경험, 석사 이상 학위와 5년 이상의 실무 경험 또는 이에 준하는 역량

• Python 또는 Modern C++ 기반의 모델 및 Simulation 시스템을 설계하고 개발·디버깅할 수 있는 역량

• Autonomous Driving, Robotics, AI/ML 또는 Simulation 관련 시스템의 설계 및 개발을 주도한 경험

• 다음 분야 중 하나 이상에 대한 깊이 있는 전문성과 이를 실제 시스템에 적용한 경험

  • 머신러닝 기반 자율주행 Planning Model 설계, 학습 및 성능 개선

  • Motion Planning, Decision-making 또는 Robotics 알고리즘 설계, 성능 개선 및 실제 시스템 적용

  • Computer Vision 기반 3D 환경 재구성 및 표현

  • 차량·로봇의 동역학 모델링 또는 Simulation 환경 설계 및 구축

• 여러 직군의 이해관계자와 기술적 의사결정 및 우선순위를 조율할 수 있는 커뮤니케이션 역량

• Bachelor’s degree in Computer Science, Electrical Engineering, Automotive Engineering, Robotics, or a related field with 8+ years of professional experience; or a master’s degree or higher in one of these fields with 5+ years of professional experience; or equivalent practical expertise

• Ability to design, develop, and debug model and simulation systems using Python or Modern C++

• Experience leading the design and development of systems related to autonomous driving, robotics, AI/ML, or simulation

• Demonstrated expertise inat least one of the following areas, with experience applying it to real-world systems:

  • Design, training, and performance improvement of machine learning-based planning models for autonomous driving

  • Design, performance improvement, and real-world system integration of motion planning, decision-making, or robotics algorithms

  • Computer vision-based 3D environment reconstruction and representation

  • Vehicle or robot dynamics modeling, or simulation environment design and development

• Ability to communicate technical decisions and align priorities across cross-functional stakeholders

Preferred Qualifications

• Autonomous Driving 또는 Robotics 분야에서 E2E Planning Model과 Closed-loop Simulation을 연계한 학습·평가 Pipeline을 실제 시스템 수준으로 개발·운영한 경험

• 실제 차량 또는 Robot에 E2E Planning Model을 통합·검증하고 실험을 주도한 경험

• 대규모 Simulation Pipeline 또는 Platform의 설계, 성능 최적화 및 운영 경험

• 데이터·모델·코드의 버전 관리와 자동화된 테스트 및 평가를 포함한 재현 가능한 ML 개발 환경을 구축한 경험

• ICRA, IROS, CVPR, NeurIPS, RSS 등 관련 학회 또는 저널 연구·논문 발표 경험

• Experience developing and operating production-scale training and evaluation pipelines integrating E2E planning models with closed-loop simulation for autonomous driving or robotics

• Experience integrating and validating E2E planning models on real vehicles or robots and leading experiments

• Experience designing, optimizing, and operating large-scale simulation pipelines or platforms

• Experience building reproducible ML development environments with versioned data, models, and code, as well as automated testing and evaluation

• Research or publication experience in relevant conferences or journals such as ICRA, IROS, CVPR, NeurIPS, or RSS

Interview Process

1. 서류 전형

2. 코딩 테스트

3. 1차 면접 (화상, 1시간 내외)

4. 2차 면접 (대면 혹은 화상, 3시간 내외)

5. 처우 협의·입사

1. Application Screening

2. Coding Test

3. First Interview (Virtual, approximately 1 hour)

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

5. 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.