이 자리가 왜 생겼을까요
현대차그룹은 2026년 7월 영남권 투자 계획을 밝히며 자동차와 로봇 개발 과정에서 축적한 자율주행·AI 기술을 적용한 달 탐사 로버를 제작한다고 적었습니다. 이 공고 조직은 달 표면에서 구동하는 모빌리티를 기획·개발합니다. 이 자리는 그 모빌리티의 자율주행 가운데 카메라 인지와 위치 추정을 맡습니다. 업무에는 착륙 직후 사전 지도 없이 지도를 처음부터 만드는 초기화 알고리즘까지 있습니다. 지상 로봇이나 자율주행차에서 VSLAM·VIO를 개발해 온 사람이라면, 그 알고리즘이 위성 신호도 사전 지도도 없는 달 표면에서 무엇을 바꿔야 하는지로 지원 이유를 풀어 낼 수 있습니다.
현대자동차가 지금 어떤 사업에 집중하고 있는지는 현대자동차 채용 분석에서 이어서 볼 수 있습니다.
1하게 될 업무
달 표면 환경(GNSS-denied, 저조명, 먼지, 강한 명암대비)에 강건한 카메라 기반 인지(Perception) 알고리즘을 설계합니다. 카메라 영상으로 지형·장애물·랜드마크를 인식하고 특징점을 추출하며, 멀티카메라 캘리브레이션(Intrinsic/Extrinsic)과 영상 전처리 파이프라인을 개발하고, 딥러닝 기반 인지(Object Detection/Segmentation) 알고리즘의 적용과 경량화를 검토합니다.
이렇게 볼 수 있어요
인지 결과가 바로 다음 업무인 VSLAM의 특징점과 랜드마크로 쓰입니다. 명암 대비가 강하거나 어두운 영상에서 특징점 추출이 무너진 문제를 전처리나 모델 경량화로 풀어 본 경험이 이 업무와 가깝습니다.
달 표면 자율주행을 위한 VSLAM(Visual SLAM) 알고리즘을 설계·구현하고 반복 검증합니다. Feature-based/Direct 방식 Front-end, 사전 지도(Prior Map) 없는 착륙 초기 상태의 초기화(Initialization/Bootstrapping) 알고리즘, 달 표면 3D 지도 생성과 루프클로저(Loop Closure), 그래프 최적화/필터 기반 Back-end와 누적오차 보정을 설계합니다.
이렇게 볼 수 있어요
Front-end부터 Back-end까지 SLAM 전체를 직접 설계하는 범위입니다. 공개 프레임워크를 가져다 쓴 경우에도 초기화나 루프클로저처럼 직접 고친 모듈이 있다면 그 부분이 이 업무의 설계 경험에 해당합니다.
달 탐사 모빌리티 자율주행을 위한 VIO(Visual-Inertial Odometry)를 개발합니다. 카메라/IMU 센서 융합 기반 자세추정(6-DoF Pose Estimation) 알고리즘을 개발합니다. 카메라-IMU 시간동기화와 외부 캘리브레이션을 하고, 센서 노이즈·드리프트를 보정해 정합 정확도를 최적화합니다.
이렇게 볼 수 있어요
알고리즘만이 아니라 시간동기화와 캘리브레이션 같은 센서 실무가 함께 있습니다. 실제 센서 데이터에서 동기화 오차나 드리프트를 찾아 보정해 본 경험이 있다면 보정 전후 정확도로 설명할 수 있습니다.
IsaacSim/OmniLRS 시뮬레이터에서 VSLAM/VIO 알고리즘을 반복 검증하고 성능을 최적화합니다. 달 표면 환경(월면지형, 조명조건, 먼지) 시뮬레이션 데이터로 알고리즘을 검증하고, 자율주행 경로계획 알고리즘과 인지/VSLAM/VIO 모듈을 통합 검증하며, 성능·정확도 검증용 자동화 테스트 시나리오를 설계합니다.
이렇게 볼 수 있어요
달 표면 데이터를 실제로 모으기 어려워 검증의 중심이 시뮬레이터에 있습니다. 공고도 업무의 검증 환경으로 탑재 SW 시뮬레이터(Isaac Sim/OmniLRS)를 적었습니다. 시뮬레이터에서 조명이나 지형 조건을 바꿔 가며 자동화 테스트를 돌리고 실제 환경 결과와 비교해 본 경험이 있다면 이 업무와 직접 이어집니다.
2자격 요건
컴퓨터공학, 소프트웨어공학, 로봇공학 분야 석사 이상이어야 합니다.
이렇게 볼 수 있어요
VSLAM의 초기화나 루프클로저처럼 알고리즘 설계가 업무의 중심입니다. 석사 연구 주제가 SLAM이나 시각 기반 위치 추정이었다면 연구에서 다룬 환경 조건이 달 표면 조건과 어떻게 다른지까지 쓰면 좋습니다.
우주항공 분야 또는 자율주행·로보틱스 소프트웨어 개발 경력이 3년 이상이어야 합니다.
이렇게 볼 수 있어요
업무의 VSLAM·VIO와 경로 계획 통합은 지상 자율주행과 로봇에서도 쓰는 기술이고, 이 공고는 거기에 달 표면이라는 환경 조건을 더합니다. 조명이나 GPS 신호가 불안정한 환경에서 위치 추정을 다뤄 본 기간이 있다면 그때 한 일을 자세히 쓸수록 업무와의 연관이 분명해집니다.
비즈니스 영어로 소통하고 영어 문서를 작성할 수 있어야 합니다.
이렇게 볼 수 있어요
업무에 쓰는 Isaac Sim, OmniLRS와 우대 사항의 SLAM 프레임워크는 해외에서 개발돼 문서와 커뮤니티가 대부분 영어이고, 우대 사항에는 논문 게재도 있습니다. 영어 논문을 쓰거나 오픈소스 프로젝트에 이슈나 코드를 기여해 본 경험을 영어 역량의 근거로 함께 적을 수 있습니다.
카메라 인지(Perception), SLAM/VSLAM, VIO 가운데 하나 이상을 직접 개발해 본 경험이 필요합니다.
이렇게 볼 수 있어요
세 기술은 업무에서 인지, 지도 생성, 자세추정으로 이어져 하나의 위치 추정 체계를 이룹니다. 직접 개발한 영역이 하나라면 그 모듈이 다른 두 모듈과 어떤 입력과 출력으로 연결됐는지 설명할 수 있으면 통합 업무와도 이어집니다.
Computer Vision과 로보틱스 관련 소프트웨어를 개발해 본 경험이 필요합니다.
이렇게 볼 수 있어요
인지 업무에 딥러닝 기반 Object Detection/Segmentation의 적용과 경량화 검토가 있습니다. 비전 모델을 로봇의 제한된 연산 자원 안에서 돌려 본 경험이 업무의 경량화 검토와 가장 가깝습니다.
C++, Python으로 Windows/Linux 프로그램을 개발할 수 있어야 합니다.
이렇게 볼 수 있어요
탑재 알고리즘과 시뮬레이터 검증, 자동화 테스트가 모두 업무에 있어 이 자리는 두 언어와 두 운영체제를 오가며 일합니다. 같은 알고리즘을 Python으로 검증하고 C++로 옮겨 실시간으로 돌린 경험이 있다면 그 흐름을 설명할 수 있습니다.
3우대 사항
GNSS-denied·저조도 환경 등 GPS-denied 상황에서 항법·위치추정 알고리즘을 개발한 경력, 또는 사전 지도 없이 SLAM을 처음부터 구동(Cold-start)하는 초기화 알고리즘을 개발한 경력을 우대합니다.
이렇게 볼 수 있어요
두 경력 모두 업무에 그대로 있는 일입니다. 실내, 지하, 터널처럼 위성 신호가 없는 곳에서 위치 추정을 다뤘거나 초기화 실패를 줄인 경험이 있다면 어떤 조건에서 무엇을 고쳤는지 적을 수 있습니다.
실제로 발사된 위성·로버 등의 프로젝트나 실제 로봇 플랫폼에 SLAM/VIO를 적용해 본 경험을 우대합니다.
이렇게 볼 수 있어요
시뮬레이터 검증이 업무의 중심인 만큼 실제 플랫폼에서 돌려 본 경험이 시뮬레이션 결과와 실제의 차이를 아는 근거가 됩니다. 실제 로봇에서 측정한 정확도가 시뮬레이션 결과와 얼마나 달랐고 그 차이를 어떻게 줄였는지가 이 우대 사항의 핵심입니다.
SLAM/Perception/Computer Vision 분야 논문을 게재했거나 특허를 출원한 경험을 우대합니다.
이렇게 볼 수 있어요
논문 제목만이 아니라 그 연구가 업무의 어느 모듈(인지, 초기화, 루프클로저, VIO)에 해당하는지 함께 밝히면 연구와 업무의 연결이 분명해집니다.
ORB-SLAM, VINS-Mono/Fusion, Kimera 등 SLAM/VIO 프레임워크를 활용해 본 경험을 우대합니다.
이렇게 볼 수 있어요
업무가 SLAM의 Front-end부터 Back-end까지 직접 설계하는 범위입니다. 프레임워크를 써 본 경험이 있다면 기본 설정 그대로 돌렸는지, 초기화나 Back-end 같은 모듈을 달라진 환경에 맞게 고쳤는지를 구분해 적는 것이 좋습니다.
NVIDIA Isaac Sim, OmniLRS, ROS2, Gazebo를 활용해 본 경험을 우대합니다.
이렇게 볼 수 있어요
Isaac Sim과 OmniLRS는 업무의 검증 환경으로 이름이 적혀 있습니다. Gazebo나 ROS2로 시뮬레이션 검증 환경을 만들어 본 경험은 업무의 자동화 테스트 시나리오 설계에 그대로 쓰입니다.
PyTorch/TensorFlow, CUDA/TensorRT를 활용해 본 경험을 우대합니다.
이렇게 볼 수 있어요
업무의 딥러닝 기반 인지 적용과 경량화 검토에 쓰이는 도구입니다. TensorRT로 모델을 최적화해 임베디드 보드에서 추론 속도를 높여 본 경험이 있다면 수치로 보여 줄 수 있습니다.
4기타 사항
- 게시일 : 2026년 9월 22일
- 고용형태 : 해당 내용은 원본 공고에서 확인되지 않습니다.
- 근무지 : 남양연구소
- 경력 조건 : 경력 3년 이상
- 학력 조건 : 컴퓨터공학, 소프트웨어공학, 로봇공학 분야 석사 이상
쓰는 기술
공고 본문에 적힌 기술만 모은 목록입니다.
- C++
- Python
- Windows
- Linux
- Isaac Sim
- OmniLRS
- ORB-SLAM
- VINS-Mono/Fusion
- Kimera
- ROS2
- Gazebo
- PyTorch
- TensorFlow
- CUDA
- TensorRT
전형과 지원
현대자동차 경력 채용은 매월 진행되고 서류 전형, 면접 전형과 인성 검사, 채용 검진 및 입사 순입니다. 분석한 경력 공고는 모두 지원서 접수, 서류전형, 면접전형(인성검사), 채용검진, 최종합격을 적었고 '필요 시 전형단계에서 과제가 진행 될 수 있습니다.'라고 덧붙였습니다.
서류전형에서 Pre-Interview, 면접에서 과제가 있을 수 있습니다
채용 프로세스 페이지는 '일반/연구직의 경우 필요시 서류전형에서 Pre-Interview, 면접전형에서 과제가 진행될 수 있습니다.'라고 적었습니다. FAQ는 지원서를 채용담당자와 지원 직무의 현업 담당자가 함께 확인한다고 답합니다.
이렇게 볼 수 있어요
서류 단계부터 현업 담당자가 지원서를 보므로, 지원서에 쓴 프로젝트가 면접과 과제의 출발점이 되는 경우가 많습니다. 지원서에 적은 사례마다 내가 직접 한 부분을 구체적으로 설명할 수 있도록 준비하세요.
상시 공고는 같은 공고에 180일 뒤 다시 지원할 수 있습니다
FAQ는 채용 종료 일정이 없는 상시 공고에 대해 '동일 공고 재 지원의 경우, 180일 이후 지원 가능합니다.'와 '타 공고 지원 희망 시, 즉시 지원 가능하신 점 참고 바랍니다.'라고 답합니다. 과거 탈락 이력에 따른 불이익은 없다고 답합니다.
이렇게 볼 수 있어요
분석한 공고 대부분이 마감일 2026년 12월 31일의 상시 공고입니다. 같은 공고에 다시 지원하려면 반년을 기다려야 하므로, 처음 지원할 때 경력을 충분히 정리해 내는 편이 낫습니다.
경력 공고끼리는 중복 지원할 수 있습니다
FAQ는 '경력-경력' 간 중복 지원이 가능하다고 답하고, 현대자동차그룹 채용은 계열사별로 이뤄져 다른 그룹사에 지원했어도 현대차 채용에 지원할 수 있다고 답합니다. 그룹사 재직 중에도 지원할 수 있습니다.
이렇게 볼 수 있어요
같은 조직의 비슷한 공고(로보틱스랩의 관절로봇 공고들처럼)에 함께 지원할 수 있습니다. 다만 공고마다 업무가 다르므로 지원서도 공고별로 맞춰 쓰는 것이 좋습니다.
면접에서 영어 질문이 나올 수 있습니다
FAQ는 영어 면접이 진행될 경우 사전에 공지하고, 일반 면접에서도 지원 직무에 따라 '외국어 역량 파악을 위한 영어 질문이 있을 수 있다'고 답합니다.
이렇게 볼 수 있어요
분석한 공고 상당수가 필수 자격에 '비즈니스 영어 커뮤니케이션'을 적었습니다. 그런 공고라면 최근 프로젝트 하나를 영어로 2~3분 안에 설명하는 연습을 하는 것이 좋습니다.
지원 전 준비할 것
- 1
열악한 조건에서 위치 추정한 사례 정리하기
저조명, 위성 신호가 없는 실내·지하처럼 달 표면과 닮은 조건에서 VSLAM이나 VIO를 돌린 사례를 골라 누적 오차와 개선 방법을 정리합니다.
- 2
초기화 문제를 푼 경험 설명하기
업무와 우대 사항 모두에 사전 지도 없는 초기화가 있습니다. SLAM 초기화가 실패한 상황과 대응을 한 사례로 설명할 수 있게 준비하세요.
- 3
시뮬레이터 검증 구성 그려 보기
Isaac Sim이나 Gazebo에서 자동화 테스트 시나리오로 알고리즘을 반복 검증해 본 경험이 있다면 시나리오 구성과 평가 지표를 한 장의 그림으로 그려 봅니다.