에어빌리티(주)는 덕티드 팬 기반 탠덤(Tandem) VTOL 무인기 플랫폼을 자체 개발하고 있는 항공우주·AI 기술 기업입니다. 우리는 단일 기체에 그치지 않고, eVTOL 플랫폼에서 출발하여 다양한 무인기(UAV) 및 Counter-UAS 시스템으로 사업 영역을 확장해 나가고 있습니다.

본 포지션은 시뮬레이션 환경에서 학습한 강화학습 정책을 실기체에 이식하여 기존 룰베이스 알고리즘으로 풀기 어려운 자율 의사결정 문제를 해결하는 역할입니다.

[직무 요약]

강화학습·자율 의사결정 연구원은 시뮬레이션 기반 강화학습을 통해 비행제어, 임무 의사결정, 군집 협업 등의 정책을 학습하고 실기체에 이식하는 연구·개발을 수행합니다. Sim-to-Real 격차를 줄이는 것이 핵심 과제입니다.

[수행직무]

•    비행제어 또는 임무 의사결정 문제의 MDP 정의 및 보상 함수 설계

•    PPO, SAC, DQN 등 강화학습 알고리즘 구현 및 학습 파이프라인 운영

•    IsaacSim / Gazebo 등 시뮬레이션 환경에서의 대규모 병렬 학습

•    Sim-to-Real 격차 분석 및 도메인 랜덤화·도메인 적응 기법 적용

•    다중 에이전트 강화학습(MARL) 기반 군집 협업 정책 연구

•    학습된 정책의 실기체 검증 및 안전성·신뢰성 평가

•    최신 RL 논문 추적 및 사내 적용 가능성 검토

[지원자격]

•    전공: 컴퓨터공학·로봇공학·항공우주·전자·수학·통계 또는 관련 학과

•    학력: 학사 이상 (석사 이상 우대)

•    강화학습 또는 머신러닝 연구·개발 경력 3년 이상 (학위 과정 포함)

•    Python / PyTorch 기반 RL 알고리즘 구현 경험

•    RLlib, Stable-Baselines3, CleanRL 등 RL 프레임워크 활용 경험

•    시뮬레이션 환경(Gym, IsaacSim, Gazebo 등) 기반 학습 경험

•    수치 최적화, 확률·통계, 제어이론 기초 지식

[우대사항]

•    석사 또는 박사 학위 (강화학습·로보틱스·제어 분야)

•    Sim-to-Real 또는 도메인 적응(Domain Randomization 등) 실무 경험

•    다중 에이전트 강화학습(MARL) 연구 경험

•    로봇 또는 무인기 실기체에 RL 정책 이식 경험

•    관련 학회(NeurIPS, ICML, ICRA, CoRL 등) 논문 발표 실적

•    GPU 클러스터 또는 대규모 분산 학습 운용 경험

•    MATLAB/Simulink 또는 모델 기반 제어 경험

[공통 우대사항]

•    에어빌리티의 비전(eVTOL·UAV·Counter-UAS 통합 플랫폼)에 공감하고 장기적으로 함께 성장하고자 하는 분

•    스타트업 환경에서 주도적으로 문제를 정의하고 해결한 경험

•    타 도메인(소프트웨어·하드웨어·운용 등) 엔지니어와의 협업에 적극적인 분

•    기술 문서·코드 리뷰·발표를 통해 동료와 지식을 공유하는 문화에 익숙한 분

•    항공/방산 프로젝트(국과연, ADD, 방사청 등) 수행 경험

•    비밀취급인가 보유자 또는 취득 의향자

•    영문 기술 문서 작성·발표 가능자