로봇 엔지니어 이력서 작성법 - 시뮬레이션에서 그쳤는지 실제 로봇에서 돌아갔는지가 드러나야 합니다

여기서 말하는 로봇 엔지니어는 로봇이 실제로 움직이고 일하게 만드는 엔지니어입니다. 로봇 팔이나 이동 로봇의 동작을 제어하는 사람, 센서로 주변을 인식하고 위치를 추정하는 사람, 시연 데이터로 로봇의 동작을 학습시키는 사람, 완성한 로봇을 현장에 적용하는 사람이 여기에 들어갑니다. 이 직무의 경력을 "ROS2 기반 로봇 SW 개발", "SLAM 알고리즘 개발", "로봇 제어 및 시뮬레이션" 같은 문장으로 적는 경우가 많습니다. 이런 문장은 어떤 도구를 썼는지는 알려 주지만 어떤 로봇에서 무엇이 움직였는지는 알려 주지 않습니다. 담당자가 확인하려는 것은 어떤 로봇의 어느 부분을 맡았는지, 그 결과가 시뮬레이션에서 끝났는지 실제 로봇에서 확인됐는지, 실패했을 때 무엇을 바꿨는지입니다. 메가존의 Physical AI Lab 로봇 엔지니어 공고는 UR, Unitree, Franka 같은 상용 로봇을 직접 세팅하고 제어해 본 경험을 자격 요건으로 요구했습니다(2026년 10월 분석 기준). LG에너지솔루션 AI/빅데이터 경력 상시 모집 공고의 로봇 AI 분야는 실제 운용 환경에서 실패·중단 케이스에 대응해 본 경험을 자격 요건으로 적었습니다. 공장에 산업용 로봇을 도입하는 공정 자동화 경력은 처음부터 실물 로봇을 다루므로, 담당자는 셋업을 끝내고 양산에 넘겼는지를 봅니다. 이 경력을 적는 법은 뒤쪽 「로봇 공정 자동화 경력이라면」 절에서 따로 볼 수 있습니다.

맡은 부분에 따라 적을 것이 다르다

로봇은 기구, 제어, 인지, 소프트웨어가 함께 맞아 돌아가야 일을 할 수 있습니다. 그래서 같은 로봇을 만들어도 맡은 부분에 따라 결과물이 다릅니다. 기업 채용 분석의 로봇 엔지니어 공고 15건을 보면 맡는 일은 크게 다섯 가지입니다.

• 제어·모션: 역기구학과 궤적 생성, 관절·힘 제어, 모션 플래닝을 맡습니다. 4족 보행 로봇이나 휴머노이드라면 보행·균형 제어도 들어갑니다.
• 인지·측위: 카메라, LiDAR, IMU 같은 센서로 물체를 인식하고 자세를 추정하며, SLAM과 센서 융합, 캘리브레이션으로 로봇의 위치를 파악합니다.
• 계획·행동: 경로 계획과 내비게이션, 작업·행동 시나리오와 예외 처리를 맡습니다.
• 로봇 학습: 원격조작으로 모은 시연 데이터나 시뮬레이션을 활용해 모방학습·강화학습 정책이나 VLA 모델을 학습시키고 실제 로봇에 올립니다.
• 플랫폼·현장 적용: 여러 로봇을 관제하는 시스템을 만들거나, 고객 현장에서 로봇의 미션을 설계하고 티칭과 주행을 검증합니다.

이 가운데 플랫폼·현장 적용은 공고마다 맡는 일이 꽤 다릅니다. 현대오토에버의 Platform Developer 공고는 다중 로봇 중앙 관제 시스템과 로봇-관제 서버 간 실시간 통신을 맡는 자리라 백엔드 개발에 가깝습니다. 같은 회사의 Robot Field Application Engineer 공고는 일정·원가·품질·리스크 관리를 자격 요건으로 적어 프로젝트 관리 쪽에 무게가 있습니다. 같은 "로봇"이라도 어느 공고에 지원하느냐에 따라 보여 줄 경력이 달라집니다. 이웃 직무와의 경계는 맡은 결과물로 나누면 분명해집니다. 인식 모델을 학습시켜 넘기는 일만 맡았다면 로봇 쪽 경력이라고 하기 어렵습니다. 그 모델을 로봇에 올리면서 카메라와 로봇의 좌표를 맞추고, 탑재 기기에서 요구 주기 안에 돌게 하고, 인식이 틀렸을 때 로봇이 멈추거나 다시 시도하는 방식까지 맡았다면 로봇 쪽 경력으로 적을 수 있습니다. 모터 드라이버, 부트, 통신 스택처럼 보드가 제대로 동작하게 만드는 일이 중심이었다면 임베디드 개발자의 경력에 가깝고, 같은 보드 위에서라도 관절이 지령을 얼마나 정확히 따라가는지를 맡았다면 제어 쪽 경력입니다. 로봇을 만드는 회사의 기구·액추에이터 개발도 로봇 경력입니다. 이때는 가반하중, 반복 정밀도, 관절의 강성과 백래시, 발열과 수명 시험처럼 로봇이 움직일 때 드러나는 성능을 중심으로 적습니다.

시뮬레이션에서 그쳤는지 실제 로봇에서 돌아갔는지

로봇 경력에서 꼭 구분해 적어야 하는 것은 결과가 어디서 나왔는지입니다. 시뮬레이션에서 잘 되던 동작이 실제 로봇에서는 마찰, 센서 노이즈, 지연 때문에 다르게 움직이는 일이 흔하기 때문입니다. 네이버랩스의 Robot Manipulation Data Engineer 공고는 구축한 데이터셋으로 VLA 모델을 학습하고 평가해 실제 로봇에 배포하는 일을 업무로 적었습니다. 크래프톤의 자율이동 Research Scientist/Engineer 공고는 실제 자율주행 차량이나 로봇 플랫폼 시스템을 개발하고 배포한 경험을 우대했습니다. 우아한형제들의 로보틱스 S/W 엔지니어링 공고는 자율주행이나 로보틱스 분야에서 CV/ML 기술을 실제 제품에 적용한 경험을 자격 요건으로 요구했습니다. 그래서 프로젝트마다 어떤 로봇(모델명, 자유도, 이동 방식)이 어떤 환경(실험실, 공장, 물류센터, 실외)에서 돌아갔는지를 밝힙니다. 시뮬레이션에서만 검증한 결과인지, 실제 로봇에서 얼마 동안 몇 번 시험한 결과인지도 함께 적습니다. 몇 대를 몇 곳의 현장에 배치해 운영했는지도 경력의 규모를 보여 줍니다. 시뮬레이션이나 디지털 트윈을 만드는 것이 일이었다면 그 자체가 결과물입니다. 딜로이트컨설팅의 Digital Twin&NVIDIA 공고는 Isaac Sim·Replicator로 시뮬레이션 환경을 만들고 Sim-to-Real 파이프라인 구축과 갭 테스트를 지원하는 일을 업무로 적었습니다. 이 경우에는 시뮬레이션과 실제 장비·로봇의 움직임이 얼마나 비슷했는지, 그 차이를 무엇으로 쟀는지를 숫자로 적습니다.

로봇·센서 구성과 통합 범위

기업 채용 분석의 로봇 엔지니어 공고 15건 가운데 8건이 ROS나 ROS2를 적었고, 그중 7건은 업무나 자격 요건에 들어 있었습니다. 그만큼 흔해서 ROS를 써 봤다는 문장만으로는 담당자가 남이 만든 시스템에 노드 하나를 붙였는지, 센서와 제어, 인지를 엮어 하나의 동작 시스템을 완성했는지 구분할 수 없습니다. 이력서에는 로봇과 센서 구성(로봇 팔 몇 축, 이동 로봇 종류, 카메라·LiDAR·IMU 배치)과 지원자가 맡은 범위를 함께 씁니다. 직접 만든 노드와 받아 쓴 패키지는 구분하고, MoveIt이나 Nav2 같은 패키지라면 설정을 조정한 것인지 그 안의 기능을 새로 만든 것인지가 드러나야 합니다. ROS 대신 로봇 제조사의 SDK나 로봇 언어, 자체 미들웨어로 일했다면 그 이름을 적습니다. 실시간성을 다뤘다면 제어 주기와 통신 방식도 함께 적습니다. 현대오토에버 Platform Developer 공고는 자격 요건의 실시간 OS 항목에 Linux를 적었고, 실시간 통신 프로토콜 구현은 업무에 두었습니다.

실패와 예외를 어떻게 다뤘는지

로봇은 현장에서 예상하지 못한 상황을 자주 만납니다. LG에너지솔루션 공고의 로봇 AI 분야는 로봇 제어 로직의 예외 처리 경험과 로봇 안전성, 휴먼 인터랙션에 대한 이해를 자격 요건으로 적었습니다. 카카오모빌리티의 SLAM research scientist 공고는 실제 센서 데이터의 노이즈와 한계를 고려해 시스템을 설계한 경험을 우대했습니다. 그래서 결과 숫자와 함께 실패를 어떤 유형으로 나눴고 무엇을 바꿨는지를 씁니다. 파지 실패가 인식 오차 때문인지, 그리퍼 접촉 때문인지, 경로 충돌 때문인지 나눠 본 경험은 성공률 하나보다 많은 것을 알려 줍니다. 문제가 소프트웨어인지 센서·배선·기구인지 가려낸 경험도 현장 경험을 보여 줍니다. 안전은 로봇 종류에 따라 적을 것이 다릅니다. 협동로봇이라면 속도와 힘 제한을, 이동 로봇이라면 보호 정지와 비상 정지를 어떻게 설계하고 확인했는지 씁니다. 개선한 뒤 기록해 둔 센서 로그를 다시 재생하는 시험이나 시뮬레이션 회귀 시험으로 같은 문제가 다시 나지 않게 막았다면 그 시험 방식까지 이력서에 남깁니다.

숫자에는 측정 조건을 붙인다

로봇 경력의 숫자는 조건이 빠지면 견줄 기준이 없습니다. 파지 성공률 95%는 물체가 몇 종류였는지, 몇 번 시도했는지, 무엇을 실패로 셌는지에 따라 뜻이 전혀 다릅니다. 맡은 일에 따라 적을 숫자도 다릅니다. 제어라면 제어 주기와 추종 오차, 정착 시간이 기본 숫자입니다. 매니퓰레이션은 물체 종류 수, 시도 횟수, 한 번 집고 놓는 데 걸린 시간이 함께 있어야 성공률이 무슨 뜻인지 분명해집니다. 측위는 맵의 크기와 환경을 밝히고, 위치 오차는 그 정답값을 무엇으로 얻었는지와 같이 씁니다. 인지 모델의 mAP나 재현율은 거리·조건별로 나누고, 어떤 탑재 기기에서 몇 ms 안에 처리됐는지를 함께 밝힙니다. 카카오모빌리티의 자율주행 AI Perception 엔지니어 공고는 ONNX/TensorRT 기반 모델 배포를 업무로 적었습니다. 현장에서 운영하는 로봇이라면 가동률과 사람이 개입한 횟수를 적습니다.

로봇 학습은 데이터와 평가 조건으로 적는다

기업 채용 분석의 로봇 엔지니어 공고 15건 가운데 5건이 Physical AI를 공고 이름이나 분야에 내걸었습니다. 메가존 공고는 강화학습과 모방학습을 위한 원격조작 환경을 세팅하고 데이터를 직접 수집하며, LeRobot 같은 오픈소스 도구로 OpenVLA, ACT 같은 모델을 로봇 하드웨어에 맞게 파인튜닝하는 일을 업무로 적었습니다. 로봇 학습 경력은 데이터를 어떻게 모았고 정책이 어떤 조건에서 얼마나 성공했는지를 씁니다. 원격조작 시연 에피소드를 몇 개 모았고 그 데이터의 품질을 무엇으로 확인했는지를 가장 먼저 적습니다. 시뮬레이션에서 학습했다면 시뮬레이션과 실제 로봇의 성공률을 각각 적습니다. 실제 시연으로 학습했다면 시험 횟수, 물체·위치를 어디까지 바꿔 봤는지, 학습 데이터에 없던 물체에서도 성공했는지를 함께 씁니다. 학습 기반 제어를 해 봤어도 담당자는 로봇의 기구학·동역학과 제어를 이해하는지를 따로 봅니다. 네이버랩스 공고는 다자유도 로봇의 기구학, 동역학, 제어에 대한 이해를 자격 요건으로 함께 요구했습니다.

차량 자율주행 경력과 로봇 경력의 차이

기업 채용 분석의 로봇 엔지니어 공고 15건 가운데 4건은 카카오모빌리티의 차량 자율주행 공고입니다. 이 공고들도 로봇 공고와 같은 SLAM·인지 기술을 다루지만, 담당자는 차량에만 있는 조건을 따로 봅니다. 카카오모빌리티의 자율주행 AI 엔지니어 공고는 실제 차량 기반의 자율주행 기술을 개발해 본 경험을 자격 요건으로 요구했습니다. 차량 경력이라면 실차 주행인지 시뮬레이션이나 기록 데이터 재생인지, 어떤 도로 조건에서 얼마나 주행했는지를 씁니다. 실내·실외 로봇 경력이라면 로봇 기종과 운영 환경을 씁니다. 같은 SLAM이라도 플랫폼에 따라 속도, 환경, 안전 기준이 다르므로 두 경력은 이력서에서 나눠 적는 게 좋습니다.

같은 경력을 이렇게 적으면

강한 문장에는 어떤 로봇과 센서였는지, 어떤 조건에서 몇 번 시험했는지, 실패의 원인을 무엇으로 찾았는지, 지원자가 바꾼 것과 그 결과가 들어 있습니다. 같은 ROS와 같은 시뮬레이터를 썼더라도 강한 문장에서는 지원자가 로봇의 어느 부분을 책임졌는지가 드러납니다.

로봇 공정 자동화 경력이라면

공장에 산업용 로봇을 도입하는 공정 자동화 일은 로봇 엔지니어가 아닌 직무 이름으로 뽑는 경우가 많습니다. 로봇 제조사는 응용·기술지원 엔지니어로, 로봇을 현장에 설치하는 SI 업체는 자동화 제어설계나 로봇 시운전으로, 로봇을 쓰는 제조사는 생산기술이나 설비기술로 뽑습니다. 공고를 찾을 때는 이 이름들도 함께 검색해야 합니다. 비슷한 일이 자동화 설비 공고에도 나옵니다. 쿠팡로지스틱스서비스의 Senior Automation Design 공고는 로봇이 아니라 물류센터 자동 분류 설비의 제어 설계 자리입니다. 그래도 주요 PLC 브랜드와 SCADA, WMS/WCS 연동 경험을 자격 요건으로 요구했고 업체의 제어 설계 검토와 FAT·SIT·SAT를 업무로 적었습니다. 이력서에는 아래를 적습니다.

• 셀·라인 구성: 로봇 제조사와 기종, 대수와 가반하중, 용접·핸들링·팔레타이징 같은 작업 종류, 연결한 PLC와 비전·컨베이어·지그
• 맡은 단계: 레이아웃과 간섭 검토, 오프라인 프로그래밍, 로봇 프로그램과 PLC 인터록, 현장 티칭과 보정, 공장 검수(FAT)와 현장 검수(SAT), 양산 이관
• 숫자: 라인이 요구하는 택트 타임과 함께 쓴 사이클 타임, 셋업·시운전 기간, 양산 뒤 가동률과 그 산정 기준(계획 정지를 뺐는지 등), 순간 정지 건수
• 안전: 위험성 평가를 직접 했는지, 안전 거리를 계산했는지, 안전 PLC로 비상정지와 인터록을 설계했는지

공정 자동화 경력은 SAT를 마친 시점보다 양산에 넘긴 뒤 목표 택트와 가동률이 유지됐는지로 평가받습니다. 오프라인 프로그래밍으로 예측한 사이클 타임과 현장 실측이 얼마나 달랐는지, 무엇이 그 차이를 만들었는지도 적어 두면 시뮬레이션과 실물의 차이를 다뤄 본 경력이 드러납니다.

논문과 연구 경력

기업 채용 분석의 로봇 엔지니어 공고 15건 가운데 10건이 논문이나 학회 활동을 자격 요건이나 우대 사항에 적었습니다. 카카오모빌리티의 SLAM research scientist 공고는 CVPR, ICCV, NeurIPS, ICRA, IROS 등의 학술 활동을 우대했습니다. 로봇 학습 분야에서는 CoRL과 RSS도 주요 학회입니다. 네이버랩스 공고는 해당 분야 석사·박사 학위나 5년 이상의 연구·개발 경력을 자격 요건으로 적었습니다. 연구 경력은 논문 제목만 나열하지 않고 그 연구를 실제 로봇에서 검증했는지와 지원자가 맡은 부분을 함께 씁니다. 코드를 공개했다면 저장소 링크와 다른 연구자가 얼마나 가져다 썼는지를 적습니다.

실제 로봇을 다뤄 볼 기회가 없었다면

신입이나 다른 분야에서 옮겨 오는 엔지니어는 상용 로봇을 다뤄 볼 기회가 적습니다. 메가존 공고는 졸업 예정자도 지원할 수 있다고 적었습니다. 이런 공고라면 개인이나 팀 프로젝트로 아래와 같은 결과물을 만들어 이력서에 적을 수 있습니다.

• 교육용 로봇 팔이나 소형 이동 로봇을 직접 조립하고 ROS2로 제어한 기록(실제 동작 영상 포함)
• 같은 작업을 시뮬레이션과 실제 로봇에서 해 보고 성공률 차이와 원인을 정리한 기록
• 공개 로봇 데이터셋이나 오픈소스 정책을 내려받아 다시 학습하고 결과를 비교한 기록
• 로봇 제조사나 훈련기관의 티칭·오프라인 프로그래밍 교육을 받고 만든 셀 프로그램과 사이클 결과
• 로봇·AI 경진대회에서 맡은 부분과 결과

수십 대의 로봇을 현장에서 운영한 경험은 개인 프로젝트로 대신할 수 없습니다. 그래도 무엇을 측정해야 하고 어디서 실패하는지 안다는 것은 보여 줄 수 있습니다.

시험이 끝난 날 숫자를 남겨 둔다

로봇 시험의 성공률과 실패 기록은 회사 서버와 실험 노트에 남아 있어서 회사를 옮기면 다시 확인하기 어렵습니다. 이력서를 쓸 때쯤이면 기억에는 "성공률이 꽤 올랐다" 정도만 남습니다. 그래서 시험 하나가 끝나는 날 조건과 결과를 개인 기록으로 남겨 두는 것이 좋습니다. 로봇과 환경, 시험 횟수, 성공률, 실패 원인과 바꾼 것을 몇 줄로 적으면 됩니다. 바꾼 것은 「캘리브레이션 절차 재설계」처럼 방법의 이름 수준으로만 남기고 세부 파라미터와 절차는 남기지 않습니다. 회사의 코드와 미공개 제품 정보, 고객사 이름과 현장 위치, 설비 구성, 동작 영상과 고객 현장 사진은 개인 기록으로 옮기지 않습니다. 회사 밖에 적어도 되는 숫자인지는 보안 규정에서 먼저 확인하는 게 안전합니다. GridResume 커리어 기록에 이렇게 남겨 두면 이력서를 쓸 때 로봇과 조건, 숫자가 들어간 문장을 바로 만들 수 있습니다.

정리하면

로봇 엔지니어 이력서에 들어가야 할 것은 다섯 가지입니다.

• 어떤 로봇과 센서로, 제어·인지·계획·로봇 학습·현장 적용 가운데 어느 부분을 맡았는지
• 결과가 시뮬레이션에서 나왔는지 실제 로봇에서 나왔는지, 어떤 환경에서 몇 번 시험했는지
• 실패를 어떤 유형으로 나눴고 무엇을 바꿨는지
• 성공률, 위치 오차, 추종 오차, 처리 시간 같은 숫자와 그 측정 조건
• 공정 자동화라면 어떤 셀·라인을 어느 단계까지 맡았고 양산 뒤 택트와 가동률이 어땠는지

같은 ROS와 같은 시뮬레이터를 썼더라도 이 다섯 가지가 적혀 있으면 담당자는 지원자가 어떤 로봇을 어디까지 움직여 봤는지 알 수 있습니다.