![Banseog [ physical ai ]](/assets/brand/banseog-physical-ai-on-dark.svg?v=20261007){kind=small}
応募前チェック
応募前30秒チェック
勤務地、経験、学歴、Visa、働き方、給与など応募前に必要な条件から確認します。
募集中5
7日間の新規+0
主な採用地域경기도 성남시 분당구 정자일로 239 아이파크분당 102동 801호 (정자동, 아이파크분당)
最終確認2026年10月1日
採用の観測 · 現在
現在の採用を数値で確認します
01現在の採用
5募集中求人
直接4
隣接1
NEW · 7D+0
現在時点の求人件数です。この数字だけで採用拡大・縮小や企業成長を判断しません。
02分析範囲
この企業の求人はまだ分析前です。現在の求人数と観測時点のみを表示します。
03観測期間
33D観測経過
モニタリング開始2026年8月29日
最終確認2026年10月1日
比較可能な過去トレンドまだありません
現在NEW · 7D求人 0件 確認済み / 未確認 / 7日間の新規 の読み方
確認済みは現在の求人で直接確認した内容です。未確認はまだ求人で確認できていない項目です。7日間の新規はBanseogが直近7日以内に初めて確認した求人です。
募集職種
自分の職種から見る
現在募集中の求人
現在確認できる求人
システムRobot System Engineer경기도 성남시 분당구 정자일로 239 아이파크분당 102동 801호 (정자동, 아이파크분당)
公式応募 ↗機械Mechanical Engineer (R&D)경기도 성남시 분당구 정자일로 239 아이파크분당 102동 801호 (정자동, 아이파크분당)
公式応募 ↗フィールド・統合Forward Deployed Robotics Engineer경기도 성남시 분당구 정자일로 239 아이파크분당 102동 801호 (정자동, 아이파크분당)
公式応募 ↗AI・MLReinforcement Learning Engineer (전문연구요원 가능)경기도 성남시 분당구 정자일로 239 아이파크분당 102동 801호 (정자동, 아이파크분당)
公式応募 ↗フィールド・統合[울산지사] Forward Deployed Robotics Engineer대한민국 울산광역시 남구 옥현로 129
公式応募 ↗繰り返し出る実務経験
求人で繰り返される実務経験
現在の求人で繰り返し求められたり記載された経験を表示します。
BANSEOG OUTLOOK
PLAiFが選ぶ仕事は、いつも部品と部品が触れ合う瞬間です
PLAiFは2020年の設立以来、組み合わせるロボットの体を何度か変えてきましたが、選ぶ仕事は変わっていません。2024年初めには既存のロボットにAI制御器を取り付ける方式で完成車向け操舵部品のコネクタ挿入を試験し、同年9月には電子製品ラインの組立を最優先の目標に掲げ、Rainbow RoboticsのRB-Y1にAIを載せて納入しました。2025年9月には協働ロボット2台を両腕として組み合わせ、車両ヘッドランプのコネクタとダストカバーを締結するソリューションを公開し、2026年3月には139億ウォンを調達して組立・締結向けV2双腕ロボットの生産体制を準備しています。Banseogは、この会社の習慣を、見るだけでは終わらず指先の感覚と失敗の経験が必要な接触作業を選び取ることだと読みます。そのため、顧客ラインの失敗記録を次の工程の学習材料として蓄積する仕事を次の人材課題と考えます。
入社前に確認する質問
- 顧客ラインの失敗記録は、どこまで次の工程の学習に使えますか。
- 新しい組立工程を一つ立ち上げるときの現場の時間は、どのように測っていますか。
- V2に移ると、以前のモデルで学んだ感覚のうち何を学び直す必要がありますか。
会社は腕と腰軸の設計を作業環境に合わせて改めたV2をRainbow Roboticsと開発していると明らかにしています。体が変わると、以前のモデルで学んだ感覚をどこまで引き継げるかが重要になる可能性があります。
会社は最小限の学習と微調整で別の組立・締結工程に適用でき、セッティングと再プログラミングの費用を最大80%減らす効果を見込むと説明しています。前のラインの失敗記録が次のラインの準備を実際にどれだけ減らすかを測る仕事が大きくなる可能性があります。
会社は自動車、電子製品、家電を適用先に挙げています。業種が違っても通じる学習と、業種ごとに学び直す学習を分ける基準が重要になる可能性があります。これは条件付きの発展段階であり、確定した日程や採用計画ではありません。
重要になる能力
接触作業の力制御の学習組立・締結工程の分解と分析失敗記録の学習材料化双腕ロボットの現場セッティング顧客ラインのデータ分離の設計
検討する人材市場
ロボットの強化学習・模倣学習力制御・触覚センシング自動車電装・電子組立工程ロボットシステムインテグレーション製造設備・生産技術
現在の採用は既存の検証済みデータ経路で表示します。これは条件付きの人材・組織見通しであり、会社の採用計画・個人適性・合格確率を意味しません。 · 2026-11-01
次の人材変化
各職種の責任範囲はどこまで広がるか
部品が噛み合う瞬間の失敗が次の工程の学習材料になるまでをつなぐ責任に注目します。実際の業務と応募要件は個別求人で確認してください。
デモ環境での作業成功率の改善→実際のラインのずれと誤差を学習課題として定義
経路と動作の安定した実行→触れる瞬間の力と感覚を判断の入力として設計
顧客工程の条件確認→作業を難しい接触段階に分け、学習の範囲を決定
設備の設置と試運転→現場の失敗を分類し、開発へ戻す経路を運用
学習データの収集と保存→顧客別の記録を分けつつ、共通して学べる部分を区別
協力会社のロボットへのソフトウェア搭載→感覚AIが求める条件をV2の設計段階で共に調整
応募者の視点
失敗した組立を次の組立の材料に変えた経験
成功率の数字に加えて、なぜ部品が合わなかったのかを突き止め、次の試行に反映した経験を確認します。隣接経験は応募資格や個人の適性を保証するものではありません。
職務経歴で示したい経験
✓
コネクタ挿入やねじ締結のように接触を伴う作業を自動化した経験
✓
力センサーや触覚の情報を制御や学習に使った経験
✓
実際の設備で失敗事例を分類し、原因を見つけた経験
✓
シミュレーションで学んだ動作を実機に移し、差を縮めた経験
✓
顧客ラインの条件に合わせて試運転の日程を調整した経験
✓
ある工程の成果を別の工程で再び使えるようにした経験
どの経験がどの業務につながるか
コネクタと配線を扱った工程経験は、組立課題の定義につながる可能性があります。
小さく柔らかい部品の不良原因を扱った経験が接点です。
顧客ラインでロボットを立ち上げた経験は、現場適用の役割につながる可能性があります。
公差、剛性、グリッパー設計を扱った経験です。
強化学習や模倣学習の研究を実機で検証した経験です。
不良を類型ごとに分けて原因を追った経験は、失敗記録の設計につながる可能性があります。
入社前に確認する質問
- 顧客ラインの失敗記録は、どこまで次の工程の学習に使えますか。
- 新しい組立工程を一つ立ち上げるときの現場の時間は、どのように測っていますか。
- V2に移ると、以前のモデルで学んだ感覚のうち何を学び直す必要がありますか。
- この職種の成果は、デモの成功率とラインの稼働結果のどちらで評価されますか。
- 現場エンジニアとAI研究者は、失敗事例をどのくらいの頻度で一緒に確認しますか。
地域 × 人材
各拠点でつながる業務
公開された拠点と適用事例から業務のつながりを解釈しています。地域別の採用計画や現在の人員配置ではありません。
会社は城南市盆唐区亭子洞に所在地を置いています。感覚AIと学習の仕組みがつくられる場所と読み、現在の組織構成や人数は推定しません。
ロボット学習制御ソフトウェア製品設計
操舵部品のコネクタ挿入試験と、ヘッドランプのコネクタ・ダストカバー締結ソリューションが公開されています。顧客名は非公開で、実際の配置は求人で確認してください。
コネクタ締結試運転工程分析
2024年に会社は電子製品ラインの組立を最優先の目標に掲げ、大企業と試験を進めていると紹介されました。業種をまたぐ学習が試される場所と読み、結果は断定しません。
微細組立双腕作業ライン変動への対応
2024年の協約、2025年のヘッドランプソリューション、2026年のV2へと続く協力です。感覚AIの要求がロボットの設計条件になる地点と読み、役割分担は断定しません。
ハードウェア調整腰軸の設計AI搭載
顧客ラインの接触作業 → 失敗記録 → 感覚の学習 → 双腕ロボットV2 → 次の工程のセッティング