1G06.【コミット型/業務委託】Embodied AIモデル開発 リサーチエンジニア

【募集背景・ミッション】

ELYZAは、フィジカルAIの社会実装に向けてELYZA Roboticsを設立しました。ELYZA Roboticsは、基盤モデルの開発に取り組んできたELYZAや先端研究を担うKDDI総合研究所をはじめ、KDDIグループの専門人財を結集したフィジカルAIのセンター・オブ・エクセレンスとして、研究開発から社会実装までを一貫して担います。2030年度までに、KDDIグループとして研究開発への投資とフィジカルAIの専門組織の構築を進め、実際の現場へのロボット導入を目指します。

フィジカルAIの領域では、LLMやVLMを土台にロボットの動作を出力するVLAや、行動に伴う環境の変化を予測するWorld Modelなど、ロボット基盤モデルの研究が世界中で進んでいます。一方で、こうしたモデルを実際の現場で活用するには、環境やタスクに応じたデータ収集と学習、モデルの適応、ロボット制御との統合、実機での検証など、向き合うべき技術課題が数多くあります。ELYZA Roboticsは、基盤モデルの研究開発で積み重ねられてきた知見を活かし、これらの課題に研究開発と社会実装の両面から取り組みます。

今回募集するのは、研究開発チームの中核となるリサーチサイエンティストです。研究で答えを出し、現場で確かめ、その結果から次の問いを立てるサイクルを立ち上げ期のチームとともにつくっていただきます。

【業務内容】

学習データ・モデル・現場での実装と評価まで、ロボット基盤モデルの研究開発を担っていただきます。

• 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】

• 基盤モデルの研究経験を、新しい領域で試せる
  • ロボット基盤モデルはLLM・VLMの延長線上にある研究領域で、データ設計や学習、評価といったこれまでの経験を土台に、物理世界という新しい対象に取り組めます。ロボティクスの知見は、入社後に身につけていただけます。
• 研究に必要な資源が、グループの中にそろっている
  • KDDIグループの持つ豊富なGPU環境、国内外から調達を進めている多様なロボット、グループ各社の店舗や物流の現場など、研究に必要な計算資源・実機・データをグループの中でそろえられます。KDDIは経済産業省・NEDOのGENIACで、小売・物流向けロボット基盤モデルの研究開発事業にも採択されています。
  • ELYZAで進めている、AIが研究の改善サイクルを担う自律研究基盤（ELYZA RSI Research）も、ロボットの研究に活用していきます。
• 研究の成果が、現場で使われる
  • ELYZA Roboticsでは、2026年から小売・物流・製造・サービス業などの現場でPoCを進め、研究で生まれたモデルを現場で動かし、現場で得られたデータを次の研究に活かしていきます。
• 異なる強みを持つメンバーと、立ち上げ期から組める
  • ELYZAやKDDI総合研究所をはじめ、KDDIグループで基盤モデルの開発や先端研究に取り組んできたメンバーが集まっており、300名以上の専門組織の構築を目指す会社の初期メンバーとして、研究の方向性づくりから関われます。

【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：
  • ネガティブレベルのコミュニケーションスキル / Native-level Japanese proficiency

• VLA、World Model、動画生成モデル、ロボット学習の研究開発経験
• LLM/VLMの事前学習・事後学習、スケーリングやデータ混合の検証に関する経験
• マルチノードでの大規模分散学習の経験
• オープンVLAモデル (π0, OpenVLA)、フレームワーク (openpi, lerobot)、データセット (Open X-Embodiment等) を扱った経験
• 物理シミュレータ（Isaac Sim, MuJoCo等）での学習環境の構築、またはROS / ROS2を用いたロボット制御の経験
• Top-tierカンファレンス（NeurIPS, ICLR, ICML, CVPR, CoRL, RSS, ICRA, IROS等）での主著論文の採択実績
• 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