포지션 상세
온택트헬스는 지난 10년 동안 “영상을 보는 AI” 를 만들어 왔습니다. 국내 1,000개 병원에 배포된 EchoQuant, 식약처 인허가를 완료한 SoniΦ Assist Scan Guide가 그 결과입니다. 국내 심장 초음파 AI의 선도 주자로 자리 잡았고, 미국 진출을 앞두고 있습니다.
이제 저희는 다음 축을 엽니다. “프로브를 직접 잡는 AI” — 심장 초음파 검사의 전 과정(환자 접근 프로브 포지셔닝 영상 획득 품질 평가 측정 판독)을 로봇과 AI가 자율 수행하는 시스템입니다. 숙련된 심초음파 검사자는 국내외 모두 만성적으로 부족합니다. 저희는 이 병목을 Physical AI로 풀려고 합니다.
이 포지션은 그 전환의 연구와 엔지니어링을 동시에 책임지는 자리입니다. 실제 환자 몸 위에서 작동하는 Force Policy Model (영상 + 로봇 상태 + 힘/토크 6DOF pose + 6축 wrench), 숙련 소노그래퍼의 검사 행위를 학습 가능한 데이터로 바꾸는 파이프라인, 실제 로봇 위의 rapid iteration 인프라 — 이 세 가지를 하나의 스택으로 엮는 일을 함께 하실 분을 찾습니다.
전문연구요원 편입을 희망하는 석사/박사 학위 취득(예정)자를 적극 환영합니다. 석사 이상 전공자가 전문연구요원으로 편입하여 실제 Physical AI 연구·개발에 전념할 수 있는 최적의 환경입니다.
AI 분야는 데이터를 먼저 확보한 기업이 최종 승자가 되는 분야입니다. 준수한 사업실적과 빠른 데이터 확보 전략을 바탕으로 대규모 VC 투자를 유치했고, 같이 일하실 동료 분들은 평균 6년 이상 경력의 인공지능 석/박사급 전문가분들입니다.
## 회사 소개 자료
저희 회사에 대해서 더 많은 소개는 아래의 링크를 참고해주세요.
홈페이지에서는 제품에 대한 소개, 링크드인에서는 근무환경과 회사 근황을 확인 하실 수 있습니다.
온택트 헬스 홈페이지(https://www.ontacthealth.com/ko)
## 저희의 고객은 이런 분들입니다.
병원 : 작은 병원부터 대형병원까지 다양한 규모의 병원들이 온택트 헬스를 이용하고 있습니다.
기업 고객 : 직원에게 건강관리 복지를 제공하는 기업, 의료 데이터를 영업에 활용하고자 하는 보험, 금융, 건강식품 판매사 등 다양한 기업 고객에게 서비스를 제공하고 있습니다.
공공 영역: 온택트 헬스는 자치단체와 함께 찾아가는 의료버스를 운영하고 있습니다. 만족도가 높은 공공서비스로 평가 받고 있습니다.
초음파 영상·로봇 상태·힘/토크를 입력받아 6DOF desired pose + 6축 desired wrench를 출력하는 정책 모델을 설계·학습·평가합니다. Diffusion Policy, Transformer 기반 시퀀스 모델 등 최신 policy 아키텍처를 후보로 두고, 실제 로봇 상에서 rollout을 돌려가며 구조와 학습 레시피를 반복적으로 개선합니다.
2) 소노그래퍼 시연 기반 대규모 데이터 파이프라인 구축
숙련된 소노그래퍼의 검사 행위를 로봇이 학습할 수 있는 멀티모달 데이터셋(초음파 영상 + 6DOF pose + wrench + depth) 으로 전환하는 수집·정제·버전관리 파이프라인을 설계·운영합니다. 핸드가이딩, 텔레오퍼레이션, 시뮬레이션을 모두 포괄하며, 수집 프로토콜과 라벨 스키마를 직접 설계합니다. 모델 성능의 상한이 데이터 품질에서 결정된다는 전제 위에서 일합니다.
3) Full-stack 로봇 학습 인프라 운영
Franka FR3(libfranka), ROS2, NVIDIA Isaac Sim을 아우르는 학습·평가·rollout 환경을 구축하고, 실패 케이스를 빠르게 재현·분석할 수 있는 내부 도구를 직접 만듭니다. Sim-to-Real 전이 전략을 실험으로 검증하며, 빠른 iteration이 연구 속도를 결정한다고 믿고 그에 맞는 시스템을 만듭니다.
4) Policy 물리 로봇 실시간 결합
학습된 policy의 출력을 실제 환자 접촉 환경에서 안전하고 정밀하게 실행하는 제어 레이어를 AI 연구의 연장선에서 함께 설계합니다. 제어 루프는 policy가 작동하는 물리적 조건을 정의하는 층이며, 이 층의 품질이 모델 성능의 상한을 함께 결정한다고 봅니다. 필요할 때는 1kHz torque callback, F/T 센서 피드백, 시간 동기화까지 직접 내려갑니다.
5) 연구에서 제품까지 (Research Deployment)
본 과제의 최종 산출물은 병원에 납품되는 의료기기입니다. 프로토타입에 머물지 않고 양산 로봇 플랫폼으로의 이식, 분당서울대 임상 검증, 능동형 의료기기 인허가까지 전 과정을 염두에 두고 연구와 엔지니어링을 이어갑니다. 연구 아이디어가 실제 검사 현장을 바꾸는 경험을 직접 설계합니다.
• 경력 : 무관 — 단, 실제 로봇 위에서 학습·배포·검증까지 이어진 프로젝트 경험이 반드시 있어야 합니다
• 로봇 제어를 위한 ML 모델을 학습·평가해본 경험 — 가급적 실제 로봇에 디플로이까지 이어진 것
• 로봇 풀스택 경험: control, robot runtime software, perception, state estimation, 기초 hardware bring-up
• 강한 소프트웨어·인프라 엔지니어링 역량: 데이터 파이프라인, 학습 시스템, 평가 프레임워크, rapid iteration 도구
• 연구와 구현 사이를 유연하게 넘나들 수 있는 역량 — 실험 설계 모델 학습 실패 분석 시스템 개선을 end-to-end로 책임져본 경험
• 로봇 하드웨어를 직접 만지는 것에 편안함 — 랩에서 로봇을 켜고 끄고 센서를 꽂고 디버깅하는 게 자연스러운 사람
• Python 능숙. C++는 필요할 때 직접 내려갈 수 있는 수준
이제 저희는 다음 축을 엽니다. “프로브를 직접 잡는 AI” — 심장 초음파 검사의 전 과정(환자 접근 프로브 포지셔닝 영상 획득 품질 평가 측정 판독)을 로봇과 AI가 자율 수행하는 시스템입니다. 숙련된 심초음파 검사자는 국내외 모두 만성적으로 부족합니다. 저희는 이 병목을 Physical AI로 풀려고 합니다.
이 포지션은 그 전환의 연구와 엔지니어링을 동시에 책임지는 자리입니다. 실제 환자 몸 위에서 작동하는 Force Policy Model (영상 + 로봇 상태 + 힘/토크 6DOF pose + 6축 wrench), 숙련 소노그래퍼의 검사 행위를 학습 가능한 데이터로 바꾸는 파이프라인, 실제 로봇 위의 rapid iteration 인프라 — 이 세 가지를 하나의 스택으로 엮는 일을 함께 하실 분을 찾습니다.
전문연구요원 편입을 희망하는 석사/박사 학위 취득(예정)자를 적극 환영합니다. 석사 이상 전공자가 전문연구요원으로 편입하여 실제 Physical AI 연구·개발에 전념할 수 있는 최적의 환경입니다.
AI 분야는 데이터를 먼저 확보한 기업이 최종 승자가 되는 분야입니다. 준수한 사업실적과 빠른 데이터 확보 전략을 바탕으로 대규모 VC 투자를 유치했고, 같이 일하실 동료 분들은 평균 6년 이상 경력의 인공지능 석/박사급 전문가분들입니다.
## 회사 소개 자료
저희 회사에 대해서 더 많은 소개는 아래의 링크를 참고해주세요.
홈페이지에서는 제품에 대한 소개, 링크드인에서는 근무환경과 회사 근황을 확인 하실 수 있습니다.
온택트 헬스 홈페이지(https://www.ontacthealth.com/ko)
## 저희의 고객은 이런 분들입니다.
병원 : 작은 병원부터 대형병원까지 다양한 규모의 병원들이 온택트 헬스를 이용하고 있습니다.
기업 고객 : 직원에게 건강관리 복지를 제공하는 기업, 의료 데이터를 영업에 활용하고자 하는 보험, 금융, 건강식품 판매사 등 다양한 기업 고객에게 서비스를 제공하고 있습니다.
공공 영역: 온택트 헬스는 자치단체와 함께 찾아가는 의료버스를 운영하고 있습니다. 만족도가 높은 공공서비스로 평가 받고 있습니다.
주요업무
1) 심장초음파 자율 로봇을 위한 Force Policy Model 개발초음파 영상·로봇 상태·힘/토크를 입력받아 6DOF desired pose + 6축 desired wrench를 출력하는 정책 모델을 설계·학습·평가합니다. Diffusion Policy, Transformer 기반 시퀀스 모델 등 최신 policy 아키텍처를 후보로 두고, 실제 로봇 상에서 rollout을 돌려가며 구조와 학습 레시피를 반복적으로 개선합니다.
2) 소노그래퍼 시연 기반 대규모 데이터 파이프라인 구축
숙련된 소노그래퍼의 검사 행위를 로봇이 학습할 수 있는 멀티모달 데이터셋(초음파 영상 + 6DOF pose + wrench + depth) 으로 전환하는 수집·정제·버전관리 파이프라인을 설계·운영합니다. 핸드가이딩, 텔레오퍼레이션, 시뮬레이션을 모두 포괄하며, 수집 프로토콜과 라벨 스키마를 직접 설계합니다. 모델 성능의 상한이 데이터 품질에서 결정된다는 전제 위에서 일합니다.
3) Full-stack 로봇 학습 인프라 운영
Franka FR3(libfranka), ROS2, NVIDIA Isaac Sim을 아우르는 학습·평가·rollout 환경을 구축하고, 실패 케이스를 빠르게 재현·분석할 수 있는 내부 도구를 직접 만듭니다. Sim-to-Real 전이 전략을 실험으로 검증하며, 빠른 iteration이 연구 속도를 결정한다고 믿고 그에 맞는 시스템을 만듭니다.
4) Policy 물리 로봇 실시간 결합
학습된 policy의 출력을 실제 환자 접촉 환경에서 안전하고 정밀하게 실행하는 제어 레이어를 AI 연구의 연장선에서 함께 설계합니다. 제어 루프는 policy가 작동하는 물리적 조건을 정의하는 층이며, 이 층의 품질이 모델 성능의 상한을 함께 결정한다고 봅니다. 필요할 때는 1kHz torque callback, F/T 센서 피드백, 시간 동기화까지 직접 내려갑니다.
5) 연구에서 제품까지 (Research Deployment)
본 과제의 최종 산출물은 병원에 납품되는 의료기기입니다. 프로토타입에 머물지 않고 양산 로봇 플랫폼으로의 이식, 분당서울대 임상 검증, 능동형 의료기기 인허가까지 전 과정을 염두에 두고 연구와 엔지니어링을 이어갑니다. 연구 아이디어가 실제 검사 현장을 바꾸는 경험을 직접 설계합니다.
자격요건
• 학력 : 석사 이상 (로봇공학·컴퓨터공학·전자공학·기계공학 등 관련분야)• 경력 : 무관 — 단, 실제 로봇 위에서 학습·배포·검증까지 이어진 프로젝트 경험이 반드시 있어야 합니다
• 로봇 제어를 위한 ML 모델을 학습·평가해본 경험 — 가급적 실제 로봇에 디플로이까지 이어진 것
• 로봇 풀스택 경험: control, robot runtime software, perception, state estimation, 기초 hardware bring-up
• 강한 소프트웨어·인프라 엔지니어링 역량: 데이터 파이프라인, 학습 시스템, 평가 프레임워크, rapid iteration 도구
• 연구와 구현 사이를 유연하게 넘나들 수 있는 역량 — 실험 설계 모델 학습 실패 분석 시스템 개선을 end-to-end로 책임져본 경험
• 로봇 하드웨어를 직접 만지는 것에 편안함 — 랩에서 로봇을 켜고 끄고 센서를 꽂고 디버깅하는 게 자연스러운 사람
• Python 능숙. C++는 필요할 때 직접 내려갈 수 있는 수준
