ｕｇｏ株式会社のデータ収集オペレーションエンジニア（ロボット学習データ）【正社員】の求人

募集背景

ugoは2026年9月、経済産業省・NEDOのGENIAC（ロボット基盤モデルの研究開発）に採択され、双腕セミヒューマノイド「ugo Nova」を発表しました。触覚を含む約30万エピソードのロボット学習データを、自社の製造ラインと外部パートナーとの連携で収集します。

• GENIACに採択（2026年9月9日発表）
• ugo Novaを発表（2026年9月16日発表）
  モデルの性能はデータの量と質で決まります。この規模の収集を止めずに回し、不良を見つけて原因を潰し、収集仕様そのものを改善できる人が必要です。

ポジションの概要

• データの品質と収集の運用に責任を持つポジションです。自ら手を動かして解析し、必要なら現場で収録も行います
• ロボット学習データ収集のオペレーション全体（計画・品質・不良解析・レポート・仕様へのフィードバック）に責任を持ちます
• 収集スタッフ（アルバイト3名程度）の作業計画・シフト・作業品質の運用も担います。部下を持つ管理職ではありません
• 収集が止まりそうなときは、自らテレオペレーションやウェアラブル機器で収録します
• 収集キット・デバイスの担当メンバーと役割を分担し、モデル開発・MLインフラのエンジニアとデータ仕様をすり合わせながら進めます

このポジションの魅力

• データがモデルを動かす瞬間に立ち会える：自分が改善したデータで、ロボットの成功率が変わるのを実機で確かめられます
• データ仕様の決定に関われる：作業の管理にとどまらず、どんなデータを・どう取るかの設計にフィードバックできます
• 大規模な実ロボットデータ：触覚を含む約30万エピソード規模の収集に、立ち上げから関われます
• 最先端の収集デバイスに触れられる：テレオペレーションに加え、UMI型の収集デバイスやエゴセントリック（装着者視点）型のデータ収集グローブなど、最新の収集手法を実務で扱えます

このポジションで目指すキャリア

• モデルをつくる側ではなく、データの側からロボットの性能を上げる専門職です
• 収集仕様の設計、品質基準づくり、外部パートナーを含む収集体制の運用へと、担う範囲を広げていけます
• 将来は、データ収集から品質管理までを担う「データ基盤（DataFactory）」の運用リードを目指せます

業務内容

収集オペレーション

• 収集計画（タスク・件数・スケジュール）の立案と進捗管理

• 収集スタッフの作業計画・シフト・教育・作業品質の確認

• 必要に応じた自らの収録（テレオペレーション、UMI型デバイス、データグローブ等）
  品質管理・不良解析

• 検品基準・品質指標の定義と運用（欠損、同期ずれ、失敗エピソード、操作のばらつき等）

• 収集データの集計・解析と、不良の原因特定・対策

• 外部パートナーから納品されるデータの受入検査
  レポート・仕様へのフィードバック

• 収集量・品質の定期レポート

• 解析結果をもとにした、データ取得仕様（タスク設計・記録項目）への改善提案

• 検品スクリプトやダッシュボードなど簡易ツールの作成

開発環境

• ロボット・収集デバイス：ugo Nova（双腕セミヒューマノイド）、バイラテラルコントローラー、UMI型収集デバイス、エゴセントリック型データ収集グローブ（いずれも触覚センサ搭載のものを含む）
• データ：LeRobotDataset、rosbag / MCAP
• 言語：Python、SQL
• ツール：yubi-app、Git、GitHub、Google Workspace、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2点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。
  1. これまで運用したデータ収集・制作の規模を教えてください（人数・件数・期間・あなたの役割）
  2. データの品質問題を自ら解析し、改善した事例を1つ教えてください（問題・原因・対策・結果を数値で）
     ※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。

• 作業をこなすことより、品質と運用の結果に責任を持つことにやりがいを感じる方
• 問題が起きたとき、人に任せず自ら現場に入って原因を突き止められる方
• 作業を回すだけでなく、仕組みや仕様そのものを改善したい方
• エンジニア・現場スタッフの双方と、立場を越えて率直に議論できる方

• データ収集・アノテーション・データ制作のいずれかのオペレーションで、品質と量に責任を持って運用した実務経験2年以上（規模を人数・件数・期間で説明できること）
• Python または SQL を使い、自らデータの集計・解析を行った経験
• 品質基準・検品基準・作業手順書のいずれかを自ら定義・改訂した経験
• 業務の一部として、自ら収録作業（実機・機器の操作）を行えること

• 自動運転・ロボット・ドローン等のセンサーデータ（映像、LiDAR、IMU、rosbag / MCAP）の収集・管理経験
• 機械学習用データセットの仕様設計・メタデータ管理・バージョン管理の経験
• アノテーションベンダー・外部パートナーの品質管理や受入検査の経験
• 時系列データの同期ずれ・欠損・ノイズの不良解析経験
• 検品スクリプトやダッシュボード（Streamlit等）の開発経験
• アルバイト・パートを含む現場チームの作業計画・教育の経験
• 製造業の品質管理手法（QC七つ道具、なぜなぜ分析、FMEA等）の実務経験