![Banseog [ physical ai ]](/assets/brand/banseog-physical-ai-on-dark.svg?v=20261007){kind=small}
지원 전 체크
지원 전 30초 체크
근무지, 경력, 학력, 비자, 근무형태, 급여처럼 지원 전에 필요한 조건부터 확인합니다.
모집 중5
7일 신규+0
주요 채용 지역경기도 성남시 분당구 정자일로 239 아이파크분당 102동 801호 (정자동, 아이파크분당)
마지막 확인2026년 10월 1일
채용 관측 · 현재
현재 채용을 숫자로 확인합니다
01현재 채용
5모집 중 공고
직접4
인접1
NEW · 7D+0
현재 시점의 공고 수입니다. 이 숫자만으로 채용 확대·축소나 회사 성장 상태를 판단하지 않습니다.
02분석 범위
이 회사 공고는 아직 분석 전입니다. 현재 공고 수와 관찰 시점만 보여 줍니다.
03관찰 기간
33D관찰 경과
모니터링 시작2026년 8월 29일
마지막 확인2026년 10월 1일
비교 가능한 과거 추세아직 없음
현재 7일 신규 공고 0건 확인됨 / 미확인 / 7일 신규 읽는 법
확인됨은 현재 공고에서 직접 확인한 내용입니다. 미확인은 아직 공고에서 확인되지 않았다는 뜻입니다. 7일 신규는 반석이 최근 7일 안에 처음 확인한 공고입니다.
모집 직무
내 직무부터 보기
지금 모집 중인 공고
현재 확인할 수 있는 채용공고
시스템Robot System Engineer경기도 성남시 분당구 정자일로 239 아이파크분당 102동 801호 (정자동, 아이파크분당)
공식 지원 ↗기계Mechanical Engineer (R&D)경기도 성남시 분당구 정자일로 239 아이파크분당 102동 801호 (정자동, 아이파크분당)
공식 지원 ↗현장·통합Forward Deployed Robotics Engineer경기도 성남시 분당구 정자일로 239 아이파크분당 102동 801호 (정자동, 아이파크분당)
공식 지원 ↗AI·MLReinforcement Learning Engineer (전문연구요원 가능)경기도 성남시 분당구 정자일로 239 아이파크분당 102동 801호 (정자동, 아이파크분당)
공식 지원 ↗현장·통합[울산지사] Forward Deployed Robotics Engineer대한민국 울산광역시 남구 옥현로 129
공식 지원 ↗반복 업무 경험
공고에서 반복되는 업무 경험
현재 공고에서 반복해서 요구하거나 언급하는 경험을 보여줍니다.
BANSEOG OUTLOOK
플라잎이 고르는 일은 늘 부품과 부품이 닿는 순간입니다
플라잎은 2020년 설립 뒤 로봇의 몸을 여러 번 바꿨지만 고르는 일은 달라지지 않았습니다. 2024년 초에는 기존 로봇에 AI 제어기를 붙이는 방식으로 완성차 조향장치 부품의 커넥터 삽입을 시험했고, 같은 해 9월에는 전자제품 라인의 조립을 최우선 목표로 밝히며 레인보우로보틱스의 RB-Y1에 AI를 얹어 납품했습니다. 2025년 9월에는 협동로봇 두 대를 양팔로 묶어 차량 헤드램프의 커넥터와 더스트커버를 체결하는 솔루션을 공개했고, 2026년 3월에는 139억 원을 유치해 조립·체결에 맞춘 V2 양팔 로봇의 생산 체계를 준비합니다. 반석은 이 회사의 습관을, 눈으로 보는 것만으로 끝나지 않고 손끝의 감각과 실패 경험이 있어야 풀리는 접촉 작업을 골라 드는 것으로 읽습니다. 그래서 고객 라인의 실패 기록을 다음 공정의 학습 재료로 쌓는 일을 다음 인재 과제로 봅니다.
입사 전에 확인할 질문
- 고객 라인에서 나온 실패 기록은 어디까지 다음 공정의 학습에 쓸 수 있나요?
- 새 조립 공정 하나를 세울 때 현장에서 드는 시간은 어떻게 재고 있나요?
- V2로 바뀌면 이전 모델에서 배운 감각 중 무엇을 다시 학습해야 하나요?
회사는 팔과 허리축 설계를 작업 환경에 맞게 고친 V2를 레인보우로보틱스와 개발하고 있다고 밝혔습니다. 몸이 바뀌면 이전 모델에서 배운 감각을 얼마나 옮겨 쓸 수 있는지가 중요해질 수 있습니다.
회사는 최소 학습과 미세 조정만으로 다른 조립·체결 공정에 적용할 수 있고, 세팅과 재프로그래밍 비용을 최대 80% 줄이는 효과를 기대한다고 밝혔습니다. 앞선 라인의 실패 기록이 다음 라인의 준비를 실제로 얼마나 줄이는지 재는 일이 커질 수 있습니다.
회사는 자동차와 전자제품, 가전을 적용 대상으로 꼽았습니다. 업종이 달라도 통하는 학습과 업종마다 새로 배워야 하는 학습을 나누는 기준이 중요해질 수 있습니다. 이는 조건부 발전 단계이며 확정된 일정이나 채용계획이 아닙니다.
중요해질 역량
접촉 작업의 힘 제어 학습조립·체결 공정의 분해와 분석실패 기록의 학습 재료화양팔 로봇의 현장 세팅고객 라인 데이터의 분리 설계
함께 살펴볼 인재시장
로봇 강화학습·모방학습힘 제어·촉각 감지자동차 전장·전자 조립 공정로봇 시스템 통합제조 설비·생산 기술
현재 채용은 기존의 검증된 데이터 경로로 표시합니다. 이 카드는 조건부 인재·조직 전망이며 회사의 채용계획, 개인 적합도 또는 합격 확률을 의미하지 않습니다. · 2026-11-01
다음 인재 변화
직무의 책임은 어디까지 넓어질 수 있을까
부품 하나가 맞물리는 순간의 실패가 다음 공정의 학습 재료가 되기까지 이어지는 책임을 살펴봅니다. 실제 업무와 자격요건은 개별 공고에서 확인해야 합니다.
시연 환경에서 작업 성공률 개선→실제 라인의 어긋남과 오차를 학습 문제로 정의
경로와 동작의 안정적 수행→닿는 순간의 힘과 감각을 판단의 입력으로 설계
고객 공정의 조건 확인→작업을 어려운 접촉 단계별로 나눠 학습 범위를 결정
장비 설치와 시운전→현장에서 나온 실패를 분류해 개발로 되돌리는 경로 운영
학습 데이터의 수집과 저장→고객별 기록을 분리하면서 공통으로 배울 부분을 구분
협력사 로봇에 소프트웨어 탑재→감각 AI가 요구하는 조건을 V2 설계 단계에서 함께 조율
지원자 관점
실패한 조립을 다음 조립의 재료로 바꾼 경험
성공률 숫자에 더해, 왜 부품이 어긋났는지 찾아내 다음 시도에 반영한 경험을 살펴보세요. 인접 경험은 연결 가능성이며 지원 자격이나 개인 적합도 판정이 아닙니다.
경력기술서에서 보여줄 경험
✓
커넥터 삽입이나 나사 체결처럼 접촉이 있는 작업을 자동화한 경험
✓
힘 센서나 촉각 정보를 제어나 학습에 쓴 경험
✓
실제 설비에서 실패 사례를 분류하고 원인을 찾은 경험
✓
시뮬레이션에서 배운 동작을 실제 로봇에 옮기며 차이를 줄인 경험
✓
고객 라인의 조건에 맞춰 시운전 일정을 조율한 경험
✓
한 공정의 결과물을 다른 공정에 다시 쓰이게 만든 경험
어떤 경력이 어디로 이어질까
커넥터와 배선을 다룬 공정 경험은 조립 문제의 정의로 이어질 수 있습니다.
작고 유연한 부품의 불량 원인을 다룬 경험이 연결점입니다.
고객 라인에서 로봇을 세워 본 경험은 현장 적용 역할로 이어질 수 있습니다.
공차와 강성, 그리퍼 설계를 다룬 경험을 살펴봅니다.
강화학습이나 모방학습 연구를 실제 장비에서 검증한 경험입니다.
불량을 유형별로 나누고 원인을 추적한 경험은 실패 기록 설계로 이어질 수 있습니다.
입사 전에 확인할 질문
- 고객 라인에서 나온 실패 기록은 어디까지 다음 공정의 학습에 쓸 수 있나요?
- 새 조립 공정 하나를 세울 때 현장에서 드는 시간은 어떻게 재고 있나요?
- V2로 바뀌면 이전 모델에서 배운 감각 중 무엇을 다시 학습해야 하나요?
- 이 역할의 성과는 시연 성공률과 라인 가동 결과 중 무엇으로 평가되나요?
- 현장 엔지니어와 AI 연구자는 실패 사례를 어떤 주기로 함께 살펴보나요?
지역 × 인재
각 거점에서 연결되는 일
공개된 거점과 적용 사례를 바탕으로 업무의 연결 가능성을 해석했습니다. 지역별 채용계획이나 현재 인력 배치를 뜻하지 않습니다.
회사는 성남 분당구 정자동에 주소를 두고 있습니다. 감각 AI와 학습 체계가 만들어지는 곳으로 읽으며, 현재 조직 구성이나 인원을 추정하지 않습니다.
로봇 학습제어 소프트웨어제품 설계
조향장치 부품의 커넥터 삽입 시험과 헤드램프 커넥터·더스트커버 체결 솔루션이 공개됐습니다. 고객사 이름은 공개되지 않았으며, 실제 현장 배치는 공고에서 확인해야 합니다.
커넥터 체결시운전공정 분석
2024년 회사는 전자제품 라인의 조립을 최우선 목표로 밝히고 대기업과 시험을 진행한다고 소개됐습니다. 업종을 건너는 학습이 시험되는 곳으로 읽으며 결과를 단정하지 않습니다.
미세 조립양팔 작업라인 변동 대응
2024년 협약, 2025년 헤드램프 솔루션, 2026년 V2로 이어진 협력입니다. 감각 AI의 요구가 로봇의 설계 조건이 되는 지점으로 읽으며 역할 분담을 단정하지 않습니다.
하드웨어 조율허리축 설계AI 탑재
고객 라인의 접촉 작업 → 실패 기록 → 감각 학습 → 양팔 로봇 V2 → 다음 공정의 세팅