VLA 기반 수술 가이던스 및 Foundation Model을 개발하며, 실제 임상 데이터셋 구축과 로봇 시스템 실증을 통해 내시경 시술 자율화를 연구

- 유연 케이블 구동 로봇 특화 VLA 파이프라인 연구 · 개발
- 내시경 시술 분야의 도메인 Foundation model 개발: Vision Tower 사전학습 , VLM 구축
- 수술 영상 · 로봇 상태 멀티모달 데이터셋 설계, 수집 프로토콜 정의, 라벨링 기준 수립
- 모델 신뢰도 정량화 및 보정: uncertainty estimation, confidence calibration
- 실기기 통합을 위한 모델 경량화 · 최적화 및 실시간 추론 파이프라인 구현
- 임상의 · 인허가팀과 협업한 성능 검증 및 기술 문서 작성
- 국가 R&D 사업 수행 관리

[자격요건]
- 석사 이상: 인공지능 , 컴퓨터공학 , 전기전자 , 기계공학 , 의공학 등 관련 분야
1. PyTorch 기반 딥러닝 모델 설계 · 학습 · 디버깅 실무 역량

2. 아래 중 최소 1 개 분야의 연구 또는 프로젝트 경험
① 시연 데이터 기반 VLA 학습: diffusion policy, flow matching 등
② 대규모 이미지 · 영상 데이터 기반 vision backbone 사전 학습: DINO, MAE, contrastive 계열 등
③ 영상 이해와 언어 기반 추론을 결합한 VLM(Vision-Language Model) 개발
④ 수술 · 내시경 등 의료 영상 분석: surgical phase recognition, tool/tissue segmentation 등

3. 박사 학위의 경우
① 위분야 관련 주저자 논문 실적 (NeurIPS, ICML, ICLR, CVPR, ICCV, ECCV, RSS, CoRL, TRO, RAL 등)
② 연구 주제를 독립적으로 정의하고 완결까지 이끌어 본 경험

[우대조건]
- VLA foundation model (GR00T, π0, OpenVLA 등) 활용 또는 파인튜닝 경험
- 연성 · 케이블 구동 등 비강체 로봇, 또는 실시간 제약 환경에서의 모델 배포 경험
- 대규모 분산 학습 및 멀티 GPU 클러스터 환경에서의 학습 파이프라인 운영 경험
- 실제 임상 데이터 취급 경험 (IRB 절차, 병원 협업, 의료 데이터 라벨링 체계 설계 등)
- 의료기기 SW 규제 관련 경험 또는 이해
- 임상의 등 비개발 직군과 협업하여 요구사항을 기술 스펙으로 정의해 본 경험