ｕｇｏ株式会社のロボット基盤モデル開発テックリード（VLA/VTLA）【正社員】の求人

募集背景

ugoは2026年9月から、ロボット基盤モデル開発の本格化に向けた発表を続けています。

• GENIACに採択（2026年9月9日発表）
• ugo Novaと「ugo Physical AI Fabric」を発表（2026年9月16日発表）
  経済産業省・NEDOの「ロボット基盤モデルの研究開発（GENIAC）」に、ugoのテーマが採択されました。双腕セミヒューマノイドで製造組立作業を自律化するための、VTLA（Vision-Tactile-Language-Action）モデルの開発です。自社のロボット製造ラインで触覚を含む約30万エピソードのデータを集め、データ収集キットの開発からモデル構築、実機での実証まで国内・自社で進めます。

ugo Novaは、基盤モデル開発を前提にアーキテクチャから設計し直した国産の双腕セミヒューマノイドです。2027年に量産を始める予定です。

• 7軸の双腕アーム、頭部2軸、腰関節を備え、VLAなどのAIモデルによる全身制御に対応
• 頭部とハンド部にカメラを標準搭載
• テレオペレーションで動かした操作を、そのまま教師データとして記録できる
• NVIDIA Jetson Thorを搭載し、学習済みモデルを本体だけでリアルタイムに推論できる
  このVTLAモデル開発の技術方針を決め、中心となって進めるシニアエンジニアを募集します。

ポジションの概要

• Physical AIの領域で、VLA/VTLAと模倣学習・強化学習を使い、ugo Novaをはじめとする双腕ロボットやヒューマノイドの基盤モデルをつくります
• 扱うのは、映像・触覚などの時系列データから行動を出力するモデルです。成果は、シミュレーションではなく実機での性能で測ります
• 触覚・力覚も使うVTLAモデルで、接触の多い組立・操作タスクの自律化に取り組みます
• モデルのアーキテクチャ・学習手法・評価方法といった技術方針を決め、メンバーの実験の方向付けも担います
• ピープルマネジメント業務はありません。論文調査から実機へのデプロイまで、自分の手でも進めます

このポジションの魅力

• リアルな現場データ × 最先端技術（VLA/VTLA）：論文は書けても、実機のデータを持てない研究者は多い領域です。ugoでは、自社のロボット、自社のタスク、自社で集めたデータを起点に開発できます
• まだ確立されていない領域を、自ら定義・開拓できる：触覚・力覚を活用した接触の多いマニピュレーションは、まだ手法が固まっていない領域です
• 技術方針を自分で決められる：立ち上げ期の部門で、モデル開発の方向性そのものを決められます
• シミュレーションで閉じず、現場で働くロボットに実装できる：モデルの出力がロボットの挙動にフィードバックされるループの中で開発します

業務内容

双腕ロボットやヒューマノイドに搭載する、VLA/VTLA（視覚・触覚・言語・行動）モデルの研究・開発をリードしていただきます。

技術方針

• モデルのアーキテクチャ・学習手法・評価方法の選定と決定

• 論文・OSSの調査と、自社の課題・データ・実機への適用可否の判断

• メンバーの実験計画のレビューと方向付け
  モデル開発

• 双腕ロボットやヒューマノイド向けのVLA/VTLAモデルの研究・開発

• π0.5・GR00T・AIRoA-0など、既存の手法やOSSをベースにした自社製品向けのカスタマイズ

• 接触の多い組立・操作タスクで、触覚・力覚を使ってポリシーを獲得する
  データと学習手法

• ウェアラブル機器などで得た、身体性の異なるデータを実機に適合させる

• 模倣学習と強化学習を組み合わせて、汎化性能を上げる

• データ収集担当と連携し、データ仕様・収集方針を決める
  実機への実装と検証

• モデルの評価と安全性の向上

• 制御システムとの統合、フィールドテスト

• 他部門との技術的な調整

開発環境

• OS・インフラ：Ubuntu 22.04 / 24.04 LTS、AWS、Runpod、NVIDIA GPU（H100 / H200）、Docker、CUDA、SLURM、Kubernetes、GitHub Actions
• 言語・フレームワーク：Python、PyTorch、JAX、LeRobot、RSL-RL
• 分散学習・実験管理：PyTorch DDP / FSDP、DeepSpeed、Weights & Biases
• 基盤モデル（VLA）：π0.5（openpi）、GR00T N1.7、MolmoAct2、AIRoA-0（LoRA等によるファインチューニング）
• 模倣学習：ACT、Diffusion Policy、Flow Matching系ポリシー
• 強化学習：PPO、Sim-to-Real、Domain Randomization、Teacher-Student Distillation
• シミュレーション：NVIDIA Isaac Lab、Isaac Sim（PhysX、Newton）、MuJoCo
• 世界モデル：NVIDIA Cosmos
• 実機・エッジ推論：ROS 2、URDF、TF2、MoveIt 2、NVIDIA Jetson Thor（ugo Nova搭載のオンボード推論用コンピュータ）
• データ・通信：LeRobotDataset、Safetensors、rosbag / MCAP、ROS 2（DDS）、CAN / CAN FD、gRPC / Protocol Buffers、FlatBuffers、WebSocket
• ツール：Git、GitHub、Slack、Notion
• 生成AI・AIコーディング：Claude Code、Codex

参考情報

• コーポレートサイト
• note
• ugo Robotics Radio（チームの話を聴く）
  • #45 ugo AI専門部隊が語る、フィジカルAIの最前線とugo novaで挑むデータ収集
  • #46 ugo AI専門部隊が語る、「ロボットになったつもりで」取るデータと触覚への挑戦

応募時のお願い

• 応募時の書類（履歴書・職務経歴書）はPDF形式にてご提出いただきますようお願い申し上げます
• 書類選考では、以下1と2を特に重視しています。職務経歴書に記載いただくか、ポートフォリオなどの別資料（形式自由）として必ず添付してください。3は任意です。
  1. 実機での性能を改善した事例を1つ教えてください（課題／ベースライン／打ち手／結果の数値／あなたの役割）
  2. モデルや学習手法を自ら選定した事例を1つ教えてください（選んだ手法、採用しなかった代替案、判断の根拠）
  3. 上記を確認できる論文・リポジトリ・発表資料のURL
     ※変更の範囲：入社後、ご本人の適性により当社業務全般に変更の可能性があります。

• AIとロボティクスを深く探究し、実装と検証を通じて成果につなげられる方
• 論文を読み込み、実機に使えるかを見極めながら開発できる方
• 他の人の設計や研究の妥当性を評価し、技術選定をリードしたり議論したりできる方
• 難しい技術課題に粘り強く取り組める方
• 設計の議論やコードレビューを通じて、品質と開発スピードの両方を高められる方

• 機械学習の研究・開発経験 通算5年以上（大学院での研究を含む）。うち、企業での研究・開発経験3年以上、または博士取得後に大学・公的研究機関で実機を伴う研究開発に従事した経験3年以上
• 次の いずれか の領域での研究・開発経験
  • ロボットの模倣学習・強化学習
  • VLA・VLM（画像と言語のマルチモーダル）
  • 自動運転のEnd-to-End・ML Planner・行動予測
• 論文・技術ドキュメントを読み、シミュレーション上だけでなく実機で性能を定量的に改善した経験
• モデル・学習手法の選定など、技術方針を自ら決めて開発を進めた経験
• Python実務経験3年以上、Gitを用いたチーム開発の経験

研究・実装の経験

• 接触の多い操作（contact-rich manipulation）、触覚・力覚センシングを用いた学習の経験

• VLA（π0.5、GR00T等）のファインチューニング・事後学習の経験

• データの改良だけでなく、モデルの構造や学習方法を改良して、性能を定量的に改善した経験

• 強化学習方策の実機転移（Sim2Real）の経験

• CoRL、RSS、ICRA、IROS、NeurIPS、ICLR、CVPR等での論文採択・発表経験（筆頭著者であれば尚可）

• 手法の再現実装のOSS公開
  ツール・実機の経験

• LeRobot、Hugging Face Transformers、ROS 2、Isaac Sim / Isaac Labの使用経験

• ロボット実機、センサー、アクチュエータを含む開発経験
  働き方

• スタートアップや少人数チームで設計・実装・検証を自律的に進めた経験

• チームで中長期の開発をリードし、正解のない性能改善に取り組んだ経験