maum.ai Brain팀 체험형 인턴에 지원하세요!

maum.ai Brain팀에서 여름방학 기간 (약 2개월) 동안 함께하실 체험형 인턴을 모집합니다. 최소 두 달 안에 성과가 날 수 있고, 현업과 밀접하게 맞닿아있는 프로젝트를 진행할 수 있도록 구성하여 세 가지의 트랙을 선정했으며, 지원자는 세 가지 트랙 중 관심 있는 주제 하나를 선택해서 수행합니다.

회사에서 주어지는 풍부한 자원을 활용하여 프로젝트를 진행하고, 최종 결과물을 발표하게 됩니다. 또한, 프로젝트 진행 중에는 Brain팀의 다양한 멤버들과 함께 협업하며, 실무 경험을 쌓을 수 있습니다. 😎

Track 1: NPU SW Engineer​

프로젝트 소개​

이 트랙은 Physical AI를 위한 VLA (Vision-Language-Action) 모델이 어떤 연산 구조로 동작하는지 이해하고, 이를 on-device 환경에서 안정적으로 구동할 수 있도록 전용 런타임을 비롯한 소프트웨어 스택을 설계·구현하는 연구를 지향합니다. 입력에 따라 동적으로 변화하는 모델의 실행 특성을 분석하고, NPU의 추론 효율을 극대화할 수 있는 최적화 기법을 탐색하며, 실제 서비스 환경에서 요구되는 정확도, 지연 시간, 처리량, 메모리 사용량 사이의 균형을 맞추는 것을 목표로 합니다. 단순히 모델을 실행하는 것을 넘어 Physical AI를 실현하기 위한 고성능 추론 엔진을 직접 구현하고 고도화하는 과정을 통해 차세대 서빙 시스템이 어떤 모습일지 함께 그려나갈 수 있습니다.

이런 일을 함께 할 거예요​

• VLA의 구조를 이해하고 작동 원리를 파헤치기
• On-device 환경에서 NPU를 활용해 모델 실행하기
• 성능 최적화를 위한 최신 기술 습득 및 현장 적용하기

이런 분을 찾고 있어요​

• C/C++, Python 등 범용 프로그래밍 언어로 원하는 기능을 구현할 수 있으신 분
• ML 시스템 관련 논문을 읽고 이해할 수 있을 정도의 CS 기초 지식과 영어 능력을 가지신 분
• 배움에 대한 열정과 도전 정신이 있으신 분

이런 분들은 꼭꼭 지원하세요!​

• On-device 환경에서 생성 모델을 실행하고 최적화 해보신 분
• 멀티모달 언어 모델을 구현 및 최적화 해보신 분
• 생성 모델 서빙 최적화 기법을 적용하거나 연구해보신 분

Track 2: World Model Research​

프로젝트 소개​

WoRV는 「피지컬 AI 선도기술 개발」 국가 R&D 과제 컨소시엄에서 실내 복합 환경 모바일 조작 로봇을 위한 World Foundation Model (WFM) 을 개발합니다. 영상·언어·행동을 잇는 자체 VLA(Vision-Language-Action) 모델을 직접 학습하여, 탑티어 학회 논문 + 실로봇 시연 까지 한 사이클로 묶어 외부에 공개합니다.

이를 위해 96 H100 GPU 규모의 고성능 학습 클러스터와 600+ TB · 200GB/s급 병렬 스토리지를 on-premise로 자체 설계·구축하였으며, UMI rig · bimanual 로봇 platform 기반 자체 수집 라인을 통해 10,000+ 시간 규모의 multimodal 학습 데이터셋을 확보해가고 있습니다. 이 인프라 위에서 분야 최전선의 월드모델을 직접 만들어 나갑니다.

이 프로젝트에 함께할 열정적인 연구자들을 찾고 있습니다. 월드모델 / VLA 연구·개발에 관심 있는 분들의 많은 지원을 부탁드립니다.

WoRV는 빠르게 성장하는 In-House 스타트업입니다. 포지션과 지원자에 따라 프로세스가 조금씩 달라질 수 있어요. 정해진 틀에 끼워 맞추기보다, 당신을 더 깊이 알아가는 과정을 만들어갑니다.

연구 주제​

월드모델 연구팀은 아래 주제들의 교차점에서 연구를 진행합니다. 인턴은 관심사와 역량에 따라 한 트랙에 깊이 참여하며, 매칭은 기술 면접에서 함께 정합니다.

장기 컨텍스트 멀티모달 모델링 — 긴 시간 범위의 영상·언어·행동 시퀀스를 다루는 학습·추론 구조 실로봇 deployment를 위한 정책 학습 — latency · robustness · 일반화 조건을 동시에 만족하는 모델 VLA / Robotics Foundation Model 학습 파이프라인 — 사전학습 · finetuning · 평가 사이클 운용 Closed-loop 및 OOD 평가 — 시뮬레이션 · 실로봇 벤치마크에서 일반화 성능 정량화 Scaling 분석 · 데이터 큐레이션 — 학습 데이터 mixture 설계와 scaling law 검증 WFM → RFM 연결 — World Foundation Model을 Robotics Foundation Model로 기능하도록 잇는 학습·정렬 전략

기술의 흐름과 연구 단계에 따라 집중 주제는 변동되며, 각 시점에 가장 영향력 있는 방향으로 자원을 모읍니다.

이런 일을 함께 할 거예요​

• VLA 모델 학습 및 대규모 실험 운용
• 실험 설계 · ablation · 결과 분석
• 공개 벤치마크 reproduce 및 vla-eval (AI2 공동 개발) 등 평가 프레임워크 활용
• 시뮬레이션 · 실로봇 closed-loop 평가
• 탑티어 학회 논문 공동 작성 (기여도에 따라 공저자 등재 가능)

이런 분을 찾고 있어요​

• 딥러닝 연구·구현 실전 경험 (PyTorch · project-level 이상)
• 다중 GPU 분산 학습 경험
• ablation 설계 · 실험 reproducibility 관리 능력
• 영어 논문 작성·읽기 가능
• 풀타임 3개월 이상 참여 가능

이런 분들은 꼭꼭 지원하세요!​

• VLA · VLM 학습 / 재현 경험 (π0 · GR00T 등)
• Imitation Learning · Reinforcement Learning 등 로봇 정책 학습 연구 경험
• Diffusion / Flow Matching 정책 모델 구현 경험
• 학습 데이터 mixture 설계 · scaling law 검증 경험
• 탑티어 학회 (NeurIPS · ICLR · CVPR · ICRA · IROS) 1저자 게재 경험

Track 3: Simulation Engineer​

프로젝트 소개​

본 트랙에서는 VLA 모델을 위한 데이터 수집 및 평가용 시뮬레이션 환경을 개발합니다. 시뮬레이션 내에 Manipulation 로봇 또는 Wheeled 로봇을 구현하고, 다양한 작업 시나리오와 환경 조건을 구성합니다. 또한 실제 환경과 시뮬레이션 사이의 차이를 줄이기 위해 물리 파라미터 근사, 센서 노이즈 모델링, 도메인 랜덤화, 객체 및 환경 자동 생성 등의 기법을 적용합니다. 이를 통해 VLA 모델의 학습 데이터 생성부터 성능 평가까지 연결되는 시뮬레이션 기반 파이프라인을 구축하는 것이 핵심 과제입니다.

이런 일을 함께 할 거예요​

• VLA 모델 학습 및 평가에 필요한 다양한 로봇 태스크 시나리오를 설계하고, 시뮬레이터에 필요한 요소들을 구현하기
• 물리 파라미터 근사, 센서 노이즈 모델링, 도메인 랜덤화 등을 통해 sim-to-real gap 줄이기 및 model의 generalization 성능 높이기
• 학습된 VLA 모델을 시뮬레이션 환경에서 정량적으로 평가할 수 있는 benchmark 및 evaluation pipeline 구축하기

이런 분을 찾고 있어요​

• Python/C++ 등으로 원하는 기능을 직접 구현할 수 있으신 분
• 문서가 충분하지 않더라도 코드를 직접 읽으며 구조와 기능을 이해할 수 있으신 분
• 새로운 framework에 대해 빠르게 학습하고 적용할 수 있으신 분

이런 분들은 꼭꼭 지원하세요!​

• Isaac Sim, MuJoCo 등의 시뮬레이터를 사용해보신 분
• 로봇 manipulation, navigation 관련 프로젝트 경험이 있으신 분
• Domain randomization, sim-to-real transfer에 관심이 있으신 분
• Physical AI를 위한 evaluation 환경을 직접 만들어보고 싶으신 분

제출 서류​

• 이력서 (필수)
• 포트폴리오 URL (선택사항)

전형 절차​

• 서류 접수 기간: 5월 29일 - 6월 9일 23일 23:59까지 (extended)
• 인턴 기간: 7/1 - 8/31 (지원자의 학사 일정에 따라 달라질 수 있음)
• 전형 절차
  • Track 1: 서류 전형 → 기술 면접 → 최종 합격자 발표
  • Track 2: 서류 전형 → 코딩 테스트 및 과제 제출 → 기술 면접 → 컬쳐핏 면접 → 처우 협의 → 최종 합격자 발표
  • Track 3: 서류 전형 → 코딩 테스트 및 과제 제출 → 기술 면접 → 처우 협의 → 최종 합격자 발표

전형절차는 변동될 수 있으며, 기술진 면접 결과에 따라 임원진 면접 절차가 추가될 수 있습니다.
서류 합/불 여부는 모든 지원자에게 6월 24일경 발송될 예정입니다.

지원 기타​

• 해당 전형은 방학 기간 체험형 인턴으로 진행되며, 복학 여부, 평과 결과에 따라 계약 연장을 검토할 수 있습니다.
• 문의 사항이 있을 경우, brain-hr@maum.ai 로 문의주시면 최대한 빠르게 답변드릴 수 있도록 하겠습니다.

근무 환경 및 복지​

근무 형태​

Brain팀은 시차출퇴근제를 진행하고 있습니다. 코어타임은 10시 30분부터 17시까지로, 오전 8시 ~ 오전 10시 30분 사이에 각자가 정한 시간에 출근합니다. 이후 8시간 근무 후 퇴근하시면 됩니다.

근무 환경​

Brain팀에는 연구용으로만 On-premise로 V100 10대, A100 30대, H100 96대 이상을 운용하고 있고, 인원당 On-premise GPU를 최소 2대 이상 사용하실 수 있게끔 연구 및 개발환경을 구축하고 있습니다. (2025년 5월 기준)

maum.ai는 전 직원 점심 식사 식대를 제공합니다.(1일 10000원) 판교 사옥 근처의 많은 식당을 자유롭게 이용할 수 있습니다!

또한 사옥 내에도 로봇 바리스타가 비치되어 있어 자유롭게 음료 음용이 가능합니다. 🍹

사무실 위치​

maum.ai Brain팀에서 함께 하시게 될 경우, 판교 본사 오피스 및 연구소에서 근무하시게 됩니다.

maum.ai 판교 본사 오피스는 판교IT센터 4층에 위치하고 있습니다.

오시는 길​

판교역 2번 출구 '판교역동편' 정류장에서 55, 310 등 시내버스 탑승 후 '기업성장센터' 정류장에서 하차하시면 됩니다. 버스로 15분 가량 소요됩니다.