ｕｇｏ株式会社のML Infrastructure Engineer（MLOps / RoboOps）【正社員】の求人

募集背景

ugoは2026年秋、ロボット基盤モデル開発を本格化させる発表を続けました。

• 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の事業として、触覚を含む約30万エピソードのロボットデータを集め、組立作業を自律化するVTLAモデルを開発します。

データを集め、学習し、実機で動かし、性能を測る。ロボット側の収集ソフト・推論ランタイム・評価の仕組みは、少人数で素早く立ち上げ、すでに実機で動いています。これを、データ量とロボットの台数・種類の拡大に耐えられるよう、テストと自動化を備えた基盤へ発展させるエンジニアを募集します。

この基盤は自社のモデル開発に使うだけでなく、データ収集からモデル開発までをまとめて提供するサービス群「ugo Physical AI Fabric」の中核として、お客様のロボット開発にも提供していきます。

ポジションの概要

• 扱うのは、Webサービスやデータ分析基盤ではなく、実機・センサーデータと、ロボット上で動くモデルの推論・評価の基盤です
• ロボット学習のサイクルのうち、ロボット側のソフト基盤（データ収集ソフト、実機推論ランタイム、クローズドループ評価）を担当します
• 実機への統合まで含めて担当します。学習パイプライン担当のエンジニアとは、データ形式や評価など境界部分を一緒に進めます
• 自らモデルを開発するのではなく、モデル開発と実機検証を速く・確実に回すための基盤をつくることがミッションです
• マネジメント業務はありません

このポジションの魅力

• データ収集から実機での評価までを、自分の基盤でつなげる：ロボットが動く現場と学習基盤の両方に関われます
• 仕組み化そのものが成果になる：立ち上げ期の仕組みを基盤に発展させることで、チーム全体の開発速度が直接変わります
• シミュレーションと実機の両方を扱える：Sim上のクローズドループ評価と、実機の評価ハーネスを組み合わせて設計できます
• 自社の基盤が、そのままサービスになる：つくった収集・推論・評価の仕組みは「ugo Physical AI Fabric」の中核として、お客様のロボット開発にも使われます

業務内容

データ収集ソフト

• テレオペレーション・ウェアラブル機器・UMI型デバイスからのデータ記録ソフトの開発・保守

• センサーの時刻同期、記録フォーマット（rosbag / MCAP、LeRobotDataset）の整備
  実機推論ランタイム

• 学習済みモデルを実機で動かす推論ランタイム（LeRobotプラグイン、policy server / client等）の開発・保守と、実機への統合

• 複数のロボット・ハンド構成への対応と、推論遅延・異常時の挙動の検証
  クローズドループ評価

• 学習済みモデルをシミュレーション上の固定タスクで自動評価する仕組みの構築

• 実機評価ハーネス（試行の実行・記録・集計）の定型化と、AprilTag / ArUcoマーカー等を使った成否判定・初期配置確認の自動化

• 推論コード・プラグインをシミュレーションにつないだ自動テスト（CI）の構築
  シミュレーション基盤（段階的に）

• 物理シミュレータ上での強化学習の学習基盤

• シミュレーションを使った合成データ生成や、作業環境のデジタルツイン構築

開発環境

• 言語・フレームワーク：Python、PyTorch、LeRobot
• ロボット・推論：ROS 2、NVIDIA Jetson Thor（ugo Nova搭載のオンボード推論用コンピュータ）
• シミュレーション：NVIDIA Isaac Lab / Isaac Sim、MuJoCo
• 学習・実験管理：GPUクラウド（H100/H200）、AWS（S3）、Docker、GitHub Actions、Weights & Biases
• データ：LeRobotDataset、rosbag / MCAP、Safetensors、Protocol Buffers
• 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
  • #48 集めるだけでは、ロボットは賢くならない。学習を支える「3層」のデータ基盤

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。2は任意です。
  1. ご自身で設計・構築した、実機・センサーデータ、または機械学習モデルの推論・評価に関わるソフト基盤の事例を1つ教えてください（対象システム／規模：利用者数・データ量・稼働期間／あなたの役割）
  2. 上記を確認できるリポジトリ・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。

• 自分のつくった基盤で、チーム全体の開発スピードを一段引き上げることにやりがいを感じる方
• 実機・シミュレーション・クラウドをまたいで、問題の原因を自分で切り分けられる方
• 画面の中だけで完結させず、実機の前で自分の基盤が動くところまで確かめられる方
• モデル開発エンジニアやデータ収集オペレーションエンジニアの困りごとを聞き、何から基盤化するかを自分で優先順位づけできる方
• つくって終わりにせず、チームで使われ続ける状態になるまで自分の仕組みに責任を持てる方

• Pythonでのソフトウェア開発の実務経験3年以上
• 次の いずれか の開発経験
  • ロボット・自動運転・ドローン等の、実機やセンサーデータを扱うソフトウェア（ROS / ROS 2、rosbag / MCAP等）
  • 機械学習モデルの推論ランタイム、またはデプロイ基盤
  • シミュレータを用いた自動テスト・評価基盤
• 学習済みの機械学習モデルを、推論・評価のパイプラインに組み込んだ経験
• テスト・CIを整備し、チームで運用した経験
• Gitを用いたチーム開発の経験

ロボット・実機

• LeRobotの使用・拡張（ロボットやデバイスの追加など）の経験

• 複数センサーの時刻同期・キャリブレーションの経験

• NVIDIA Jetson等のエッジデバイスでの推論最適化（TensorRT・量子化等）の経験
  シミュレーション・評価

• Isaac Lab / Isaac Sim、MuJoCo等でのシミュレーション環境構築の経験

• 方策のクローズドループ評価（SimplerEnv等）の構築経験

• AprilTag / ArUcoマーカー等を使った、物体の位置推定や実機評価の自動化の経験

• 強化学習の大規模並列学習基盤の構築経験

• 合成データ生成（MimicGen系の手法、NVIDIA Cosmos等）や、3DGS等による環境再構成の経験
  働き方

• スタートアップや少人数チームで、設計・構築・運用を自律的に進めた経験