201. Physical AIエンジニア

募集背景

私たちは、人と同じ環境で作業可能なヒューマノイドロボットの開発を進めています。本ポジションは、物理世界を理解し行動できる知能（Physical AI） をロボットに実装するエンジニアです。センサ入力から行動生成、制御までを一気通貫で扱い、「見る」「理解する」「動く」「学習する」を実際の実機上で実現させることがミッションです。

アトムの考えるPhysical AIとは

本ポジションにおける Physical AI とは、以下を統合した、身体性を持つAIを指します。

• 視覚・触覚・状態量などの知覚
• 物理法則・身体制約を考慮した推論
• 実世界で安全かつ再現性のある行動生成
• 実機・シミュレーションを通じた学習と改善

役割・ミッション

• ヒューマノイドの知能アーキテクチャ設計・実装
• センサ入力から行動出力までの統合
• 実機で動くPhysical AIモデルを構築する
• 機械・電気・制御と連携し、知能を身体に落とし込むこと

業務内容

（一例になりますので、選考にてご経験やご志向をお伺いさせてください。）

• Physical AIに関わるモデル設計・実装
  • 視覚（カメラ、深度、センサ融合）
  • 状態推定（自己位置・姿勢推定、関節状態推定、環境状態推定）
  • 時系列生成
  • 行動価値モデル
• Physical AIに関わるモデル学習の設計・実装・検証
  • DeepSpeed等を用いた大規模並列学習
  • Imitation Learning / RL / Behavior Cloning 等
• シミュレーションと実機 (Sim2Real)
  • 物理パラメーターのズレ対策
  • Domain Randomization
  • センサモデル構築
  • Control Loopの遅延再現

このポジションの魅力

• Physical AIを実機ヒューマノイドで実装できる
• 機械 × 電気 × 制御 × AIが密に結合した開発環境
• 研究成果を実機へ迅速に実装できる環境であり、顧客課題に直接向き合いながら開発を進められる
• 世界的にも競争が始まったばかりの領域に挑戦できる

使用ツール

• Google Workspace
• Slack
• Miro
• Notion
• GitHub

選考フロー

書類選考→一次面接→会社体験（1日）→最終面接
※カジュアル面談からの開始も歓迎します。
※途中で面談を挟む場合があります。

• MLエンジニアとしての業務経験
  • PyTorch 等の機械学習フレームワークを用いた モデル実装・学習・評価の一連の実務経験
  • Docker 等のコンテナ技術を用いた開発・実行環境の構築経験
    • ローカル／オンプレ／クラウドいずれかでの利用経験
• LLM / VLM の基礎理解およびファインチューニング経験
  • Transformer アーキテクチャおよび LLM の基本構造に関する理解
    • Attention / Tokenization / Pretrain–Finetune の流れを説明できる
  • 既存の LLM / VLM に対して、以下いずれかのファインチューニング経験
    • LoRA / QLoRA 等の軽量ファインチューニング
    • SFT（教師あり学習）によるタスク適応
  • 学習データの設計・前処理・品質管理に関わった経験
• 物理シミレータを用いた強化学習・模倣学習の実務経験
  • MuJoCo / Isaac Sim / PyBullet など、物理シミュレータを用いたロボットタスクの学習経験
  • 強化学習（PPO / SAC / TD3 等）を用いた制御・動作獲得
  • 模倣学習（Behavior Cloning / Dataset Aggregation 等）の実装・評価

• LLMなどの大規模モデルを設計・学習・評価した経験
• ロボティクス、制御、機械学習の全領域における専門性
• Vision-Language-Action（VLA）系の実装経験
• World Model、行動予測モデルの実装経験
• VLAモデルの実機インテグレーション経験・デバッグ経験

• シミュレーションと実機のギャップに向き合える方
• うまく動かない理由を粘り強く探れる方
• 身体性・物理制約を前提に知能を考えられる方
• ヒューマノイドという未踏領域に本気で挑戦したい方