aimlroles

Reinforcement Learning Engineer (Autonomous Driving)

42dot 42dot.ai Open · verified Oct 22, 2026
Hybrid Pangyo Full-time Mid-level Machine Learning Engineering

At a glance

Mid-level Machine Learning Engineering role at 42dot. Pangyo · full-time.

Pay not stated Machine Learning Engineering salary

RoleMachine Learning Engineering
SeniorityMid-level
LocationPangyo
WorkplaceHybrid
EmploymentFull-time
PostedOct 13, 2026 · 9d ago
Role brief

aimlroles summary, based on the employer's posting.

What you'll do

  • Build closed-loop RL post-training for VLA driving policies, connecting simulator observations and actions with methods such as GRPO or PPO
  • Create self-play training where the ego vehicle and traffic agents interact using current policies and earlier checkpoints
  • Work with simulation developers to compare candidate actions across future scenarios using expected reward and safety limits
  • Test policy safety and generalization on closed-loop benchmarks, investigating reward hacking and simulator bias
  • Take promising RL ideas from design through large-scale training, evaluation and integration with driving models

What you bring

  • At least three years in machine learning, reinforcement learning or robotics, or equivalent research and development ability
  • Hands-on Python and PyTorch experience implementing, training and evaluating policy-learning methods
  • A working grasp of policy optimization, reward design and credit assignment, with the ability to plan RL experiments
  • Experience training policies in simulation or multi-agent settings and showing gains over a baseline
  • English communication skills for discussing technical issues and working with overseas offices

Who this fits

This mid-level role suits an engineer focused on reinforcement learning for autonomous driving, especially policy training and simulation-based evaluation. The role is based in Pangyo, South Korea, with a hybrid arrangement.

From the employer

About the Team & Mission

42dot의 자율주행 VLA 팀은 Vision-Language-Action (VLA) 모델을 통해 차량이 복잡한 도로 상황을 이해하고, 판단을 주행 행동으로 연결하도록 만드는 기술을 개발합니다. 실제 주행 데이터, 모델 학습, closed-loop simulation과 실차 검증을 연결해 모델의 취약점을 발견하고 주행 성능을 지속적으로 개선하는 것을 목표로 합니다.

이 포지션은 end-to-end driving model의 주행 성능을 높이는 reinforcement learning 방법을 개발합니다. Behavior cloning으로 학습한 모델을 reward와 feedback으로 더 개선할 수 있는 기회를 찾고, 유망한 아이디어의 설계부터 대규모 학습, 엄밀한 평가와 driving model 통합까지 주도할 분을 찾습니다.

Responsibilities

  • VLA policy와 simulator의 observation/action interface를 설계하고 GRPO, PPO 등 policy optimization 기법으로 closed-loop RL post-training을 개발합니다.

  • Vector 또는 occupancy 기반 driving simulator에서 ego와 traffic agent가 학습 중인 policy 및 과거 checkpoint로 상호작용하는 self-play training 구조를 개발합니다.

  • 학습된 policy의 candidate action과 trajectory를 여러 가능한 future scenario에서 rollout하고, expected return과 safety constraint에 기반한 action selection을 simulation 환경 개발 담당자와 공동 개발합니다.

  • Closed-loop benchmark로 policy의 안전성과 일반화를 검증하고 reward hacking 및 simulator bias를 분석합니다.

Qualifications

  • Machine Learning, Reinforcement Learning 또는 Robotics 관련 경력 3년 이상 또는 이에 준하는 연구/개발 역량을 보유하신 분.

  • Python과 PyTorch로 policy learning 알고리즘을 구현하고 학습과 평가를 수행한 경험이 있으신 분.

  • Policy optimization, reward design과 credit assignment를 이해하고 RL 실험을 설계할 수 있으신 분.

  • Simulation 또는 multi-agent 환경에서 policy를 학습하고 baseline 대비 개선을 검증한 경험이 있으신 분.

  • 해외 오피스와 기술적 이슈를 논의하고 협업할 수 있는 영어 커뮤니케이션 역량을 보유하신 분.

Preferred Qualifications

  • Self-play, multi-agent RL 또는 policy population을 활용한 training 구조를 개발한 경험이 있으신 분.

  • VLA 또는 generative policy에 GRPO, PPO 등 RL post-training을 적용한 경험이 있으신 분.

  • Vector 또는 occupancy 기반 driving simulator에서 policy를 학습했거나, world model 기반 rollout planning을 개발한 경험이 있으신 분.

  • 대규모 parallel rollout, distributed training 또는 sim-to-real 검증 경험이 있으신 분.

Interview Process

  1. 서류 전형

  2. 1차 면접 (화상, 1시간 내외)

  3. 2차 면접 (대면 혹은 화상, 3시간 내외)

  4. 처우 협의·입사

Additional Information

  • 전형 절차는 일정 및 진행 상황에 따라 일부 변경될 수 있으며, 각 전형 결과는 등록하신 이메일로 개별 안내드립니다.

  • 지원서 제출 시 주민등록번호, 가족관계, 혼인 여부, 연봉, 사진, 신체조건, 출신 지역 등 채용절차법상 요구 금지된 정보는 제외 부탁드립니다.

  • 지원서 접수 중 오류가 발생하거나 기타 문의 사항이 있을 경우, recruit@42dot.ai로 문의해 주시기 바랍니다.

  • 국가보훈대상자 및 취업보호 대상자는 관계법령에 따라 우대합니다.

  • 장애인 고용 촉진 및 직업재활법에 따라 장애인 등록증 소지자를 우대합니다.

  • 42dot은 의뢰하지 않은 서치펌의 이력서를 받지 않으며, 요청하지 않은 이력서에 대해 수수료를 지불하지 않습니다.

  • 지원서 내용 중 허위 사실이 발견될 경우, 입사가 취소될 수 있습니다.

  • 인터뷰 프로세스 종료 후 지원자의 동의하에 평판조회가 진행될 수 있습니다.

  • 3개월의 수습기간이 적용될 수 있습니다.

A message to Future Teammates

42dot의 자율주행 VLA 팀은 Vision-Language-Action (VLA) 모델을 통해 차량이 복잡한 도로 상황을 이해하고, 판단을 주행 행동으로 연결하도록 만드는 기술을 개발합니다.

실제 주행 데이터, 모델 학습, closed-loop simulation과 실차 검증을 연결해 모델의 취약점을 발견하고 주행 성능을 지속적으로 개선하는 것을 목표로 합니다.

이 포지션은 end-to-end driving model의 주행 성능을 높이는 reinforcement learning 방법을 개발합니다. Behavior cloning으로 학습한 모델을 reward와 feedback으로 더 개선할 수 있는 기회를 찾고, 유망한 아이디어의 설계부터 대규모 학습, 엄밀한 평가와 driving model 통합까지 주도할 분을 찾습니다.