1A04.【研究開発】シニアリサーチエンジニア（Embodied AIモデル開発）

【募集背景・ミッション】

ELYZAは、2019年から自然言語処理を軸に日本語の言語モデルの研究開発に取り組み、LLMの研究開発から社会実装までを進めてきました。
現在はその研究開発領域を、VLM/VLAをはじめとするマルチモーダルAIや、ロボティクスの実用化に向けたEmbodied AIへと広げています。

Embodied AIの領域では画像・言語などの情報をもとにロボットの行動を生成するVLA（Vision-Language-Action）をはじめ、汎用的なロボット基盤モデルの研究開発が進んでいます。

一方で、こうしたモデルを実際の現場で活用するためにはそれぞれの環境やタスクに応じたデータ収集・学習、モデルの適応、ロボット制御との統合、実機での検証など、さまざまな技術課題に向き合う必要があります。

本ポジションのミッションはELYZAがLLMをはじめとする基盤モデルの研究開発で培ってきた知見を活かし、特定のユースケースや実環境に適応したEmbodied AIモデルを研究開発することです。

既存のVLA等を活用した学習・検証に加え、モデルや学習手法そのものの研究開発、実機へのデプロイ、顧客現場でのPoCまで研究開発と社会実装を往復しながら技術を磨いていきます。

KDDIグループとの連携による計算基盤や、ロボットを用いた実験・検証環境を活用しながら、モデルの研究開発と実世界で得られるデータを用いた改善サイクルの両方に取り組めることが、本ポジションの特徴です。

【業務内容】

ご本人の志向性やプロジェクトの稼働状況に応じて、Embodied AIモデルの研究開発から現場でのPoC推進まで、R&Dと社会実装の垣根を越えて幅広く活躍していただきます。

• Embodied AIモデルの開発：
  • 既存のオープンモデルに対し、特定ユースケースに特化した学習を行い、精度と堅牢性を高める。模倣学習、強化学習（RL）、推論最適化などの技術を適用・拡張する。
• PoC案件の技術リードと社会実装：
  • 顧客の現場課題に対しどのようなロボット構成・AIモデルで解決可能かの技術検証を行う
  • 現場特有のドメインデータを用いたファインチューニングやエッジデバイスへの実装を主導する
• ドメイン特化型マルチモーダル学習とデータループ構築：
  • 画像・テキストに加え、「Action（軌跡や関節角度）」もモダリティとして扱う学習基盤を構築
  • PoC推進チームと密に連携し、現場の失敗データ等をモデル改善に組み込むデータフライホイールを設計する
• ハイブリッド制御設計とシステム統合：
  • 「学習ベース（AI）のアプローチ」と「ルール・アルゴリズムベースの制御アプローチ」の境界とトレードオフを正確に評価し、実機上で安定して動作することを目指したソフトウェアモジュール
• 最新手法の実装と精度検証：
  • LLM/VLM領域で発展する学習手法やモデルアーキテクチャ等について、Embodied AI領域への応用可能性を検証し、実装・評価する

【本ポジションの魅力】

• Embodied AIのモデル研究開発から実機検証まで取り組める
  VLAをはじめとするモデル・学習手法の検証だけでなく、ロボットへのデプロイや実機での評価まで一貫して取り組めます。

• 実世界のデータをモデル改善につなげられる
  顧客現場や実機検証から得られるデータをもとにモデル・学習手法を改善し、再び実環境で評価するResearch → Deployment → Data → Researchのサイクルを回せます。

• 基盤モデルそのものの研究開発に挑戦できる
  KDDIグループとの連携による計算基盤を活用し既存モデルのFine-tuningだけでなく、モデルや学習手法そのものの研究開発にも取り組めます

• LLM/VLMで培った技術知見をEmbodied AIへ広げられる
  ELYZAがこれまで取り組んできたLLMやマルチモーダルAIの研究開発知見を活かしながら、VLAやEmbodied AIへの応用・発展に取り組めます

【開発環境】

セキュリティ意識を高く保ちつつ、利用可能な場面では Claude Code、Devin などの最新のAI開発ツールをフルに活用しています。

• 主な対象ハードウェア: シングル・ダブルアーム、デクスタラスハンド、ヒューマノイド
• AI開発言語：Python, (Shell Script)
• インフラ：Azure, Google Cloud, AWS, ABCI
• コンテナ基盤：Docker, Singularity
• 機械学習関連ツール：Hugging Face, W&B
• ドキュメント・バックログ管理：Notion
• コード管理：GitHub
• 社内コミュニケーションツール：Slack, Google Meet, MetaLife
• シミュレーター：MuJoCo、Isaac Sim
• AI関連ツール：Claude Code、Devin、Gemini Pro、Notion AI ほか
• 開発周辺ツール：Google Drive, Figma, GitHub

• 機械学習 / 深層学習（Deep Learning）の実務経験：
  • PyTorch等のフレームワークを用いた深層学習モデルの開発、および学習パイプラインの構築実務経験
• ソフトウェアエンジニアリングスキル：
  • PythonまたはC++を用いた実務でのソフトウェア開発経験
• ロボティクスへの強い関心（実務経験不問）：
  • AIモデルを物理世界に適用することへの強い関心と、座標変換などの基礎的な概念をキャッチアップする意欲があること（※ロボティクスの実務経験・ROSの使用経験不問）
• 社会実装への強い意欲：
  • 論文上のスコア改善ではなく、「現実のロボットが動くか、顧客の課題が解けるか」という実用性を最重視するマインドセット
• 日本語スキル：
  • ビジネスレベルのコミュニケーションスキル / Native-level Japanese proficiency

• World Modelsや動画生成モデルに関する研究開発、またはそれらを活用した環境ダイナミクスの予測・プラニング（行動計画）に関する知見や経験
• Top-tierカンファレンス（NeurIPS, ICLR, CVPR, ICML, CoRL, ICRA, IROS等）での主著論文の採択実績
• ROS / ROS2等のミドルウェアの使用経験、またはPythonを用いたロボット制御・API連携経験
• ロボット操作の大規模データセット（Open X-Embodiment等）や、オープンVLAモデル (π0, OpenVLA) 、フレームワーク (openpi, lerobot)を扱った経験
• 物理シミュレータ（NVIDIA Omniverse / Isaac Sim, MuJoCo, Habitat等）を用いた強化学習・模倣学習環境の構築経験
• 特定のドメイン（製造、医療、金融など）に特化したLLM/VLMといったAIモデルを開発し、社会実装に取り組んだ経験