ソフトウェア・AI の求人一覧 - 株式会社アトム

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 WorkspaceSlackMiroNotionGitHub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。

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。本ポジションでは、ヒューマノイド向けロボット基盤モデル（Vision-Language-Action）の開発を支えるMLOps基盤の設計・構築・運用を担当いただきます。実機から日々生成される映像・画像データや、モーター状態・電流・トルクなどの高頻度時系列データを活用しながら、ロボットの学習・評価・再学習を継続的に回しています。MLOpsエンジニアには、こうした大規模・多モーダルデータを扱うためのデータ基盤、学習基盤、評価基盤、デプロイ基盤を構築し、研究開発チームが高速に仮説検証できる環境を作ることを期待しています。単なるインフラ運用ではなく、「ロボットが学習し続ける仕組みそのもの」を作ることがミッションです。役割・ミッションヒューマノイドVLA開発のためのMLOpsアーキテクチャ設計大規模・多モーダルデータを扱う学習基盤の開発・運用学習・評価・デプロイ・再学習のループ循環構築AI研究・ロボット実機チームが最短距離で試せる環境の構築業務内容（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。）MLOps / 学習基盤の構築・運用分散学習・大規模学習の基盤設計・運用モデル・データ・コードのライフサイクル管理TB〜PB級の映像・画像・時系列データのストレージ設計データパイプラインの構築・運用実機 → ストレージ → 学習基盤 までのデータフロー構築大規模データを前提としたバッチ／ストリームの取り込み・変換データ品質チェック・欠損検知・異常検知の仕組み作りオンプレ・クラウドの構築・運用GPUクラスタ／オンプレ・クラウド混在環境の設計コンテナ（Docker）・オーケストレーション基盤構築CI/CD for ML（モデル・データ含む）パフォーマンス・コスト・可用性・セキュリティの最適化ポジションの魅力ヒューマノイド × VLAという最前線のAI開発を基盤から支えられる映像・時系列・実機データを統合した前例の少ないMLOpsインフラ設計に高い裁量がある研究とプロダクトの距離が極めて近い使用ツールGoogle WorkspaceSlackMiroNotionGitHub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。