00_自動運転開発室 の求人一覧 - newmo

◆newmoのミッション◆ newmoは、「移動で地域をカラフルに。」をミッションに掲げるモビリティスタートアップです。タクシーやハイヤーなど、これまで地域の移動を支えてきた仕組みをアップデートし、誰もが安心して移動できる社会をつくっていきます。 地域によっては公共交通が減り、移動が不便になりつつあります。一方で都市部では、業務の煩雑さや人手不足といった課題が残っています。 newmoは、こうした現場の課題に真正面から向き合い、テクノロジーを使ってより良い“移動のかたち”をつくり続けています。◆オープンポジション登録について◆「どのポジションで自分の経験を活かせるかわからない」「現在募集中のポジションに希望と合うものがない」といった方のためのエントリーです。ご登録いただいた方には、ご経験やご関心に合ったポジションの募集が開始された際に、 選考のご案内やカジュアル面談のお誘いをお送りいたします。ご興味のある事業領域や職務内容がございましたら、応募フォーム内の「応募者からのメッセージ」欄にぜひご記入ください。

Physical AIの最前線へ。End-to-Endモデルで自動運転を社会実装するシニアMLエンジニア私たち newmo（ニューモ）は、「 移動で地域をカラフルに。」 をミッションに掲げ、フィジカルAI（End-to-End自動運転モデルなど）と大規模なリアルアセットを統合し、日本の移動インフラを根本から再設計する次世代のモビリティテックカンパニーです。 私たちは、既存のタクシー・ハイヤーの運行エコシステムを最先端のテクノロジーで全レイヤーにわたりアップデートし、少子高齢化や人手不足に起因する地域交通の縮小という社会課題に対し、デジタルとリアルアセットの双方を統括する自社内製技術をもって、新たな “移動のかたち”をつくり続けています。 私たちの真の強みは、自社フリートから得られるエッジデータと走行・安全データを、内製化された自動運転パイプラインへ高速フィードバックする「リアルアセット・データ直結型」の稀有なAI開発エコシステムにあります。 さらに、経済産業省・NEDO「GENIAC」への採択、堺市での国家プロジェクトへの参画、自動運転ソフトウェアをリードする企業との協業など、多くのパートナーとともに挑戦を加速。日本特有の環境に対応したAI基盤モデルの社会実装をリードしていきます。 現在、私たちは2028年の自動運転レベル4商用化を見据え、自社システムの内製開発（newmo Autonomy）を本格始動しました。 狙うのは、従来の認識・予測・計画を切り離したルールベースのモジュール型にとらわれない、センサー入力から直接車両を制御する最先端の「End-to-End自動運転モデル」の開発です。 安全性と技術革新を究極のレベルで両立し、社会実装へ導く。この難易度の高い社会課題に、初期コアメンバーとして共に挑んでくれる方を募集いたします。▼ 業務内容Physical AI / 自動運転タクシーのための学習ベースの End-to-End自動運転モデルの開発・社会実装カメラ画像やLiDAR点群などのセンサー入力を受け取り、経路計画や車両制御を行う自動運転モデルの開発オフライン評価、シミュレーターを用いたモデルのパフォーマンス評価と改善サイクルの確立エッジデバイス向けの最適化および実車を用いたモデルのパフォーマンス評価◆ポジションの魅力◆難易度が高い社会課題の解決「自動運転タクシー」という極めて安全性が求められるプロダクトにおいて、技術的に非常にハードルの高い課題に挑み、社会実装するやりがいがあります。最先端技術への挑戦(Physical AI / VLA)自動運転のためのモデルを開発し、シミュレーションや車を使って評価を行う領域は、世界的にもまだ知見が少ないフロンティアです。最新の機械学習や基盤モデル技術を実世界の複雑な問題に適用し、次世代の自動運転のスタンダードを作り出すチャンスがあります。AIが実世界とのインタラクションを行うPhysical AIと呼ばれる領域は、サーバーで完結するAI開発にはない難しさと面白さがあります。今後規模が増えてゆくGPUサーバーと自社で収集する大量のセンサーデータを使って、大規模に学習を回してモデルを作っていきます 。参考情報newmo CTOが語る、自動運転の今と未来予測〜フィジカルAI・山の登り方・偶然と制約〜newmo 技術ブログnewmo、シリーズA総額で179億円の調達を完了。累計調達金額は199億円に到達、自動運転タクシーへ本格参入

newmo についてnewmoは「移動で地域をカラフルに。」をミッションに掲げ、メルカリ日本事業を統括していたCEO青柳をはじめ、各領域のエキスパートが集結したモビリティテックカンパニーです。Physical AI（End-to-End 自動運転モデル）× 大規模リアルアセットを統合し、日本の移動インフラを根本から再設計する次世代モビリティ社会インフラを構築しています。自社タクシーフリートから得られる膨大な現場データを高速に学習・改善へ反映する "データ循環型AI開発エコシステム" を強みに、少子高齢化・人手不足で縮小する地域交通をアップデートし続けています。経済産業省・NEDO「GENIAC」採択、堺市での国家プロジェクト参画、自動運転リーディング企業との戦略的提携など、挑戦は加速しています。採用背景newmoでは「自動運転タクシーサービスの社会実装」に向けて、自社での自動運転ソフトウェア開発を進めています。E2Eモデルの性能は、学習に使う正解データ（Ground Truth）の質で決まります。正解データを作ることを専門チームの役割と位置づけ、チーム名も Ground Truth としています。正解データを作る工程はいくつもの段階に分かれ、前の段階の誤差の影響が後ろで初めて見えることもあります。品質を上げるには領域をまたいだ連携が欠かせないため、Localization と Perception のエンジニアが同じチームに所属しています。工程全体が共通の責任で、Ground Truthを作るという一つの目標に向かって動いていただきます。その中で本ポジションが担うのは、収集したデータの品質確認から、認識モデルによるラベル付けまでです。ここに3つの条件が同時にかかります。3つの条件入力の品質 品質の悪いデータが混ざったままだと、そこから作る正解データも信用できません。正解データの精度 入力の品質を上げきっても認識の精度は100%にならず、誤検出と見逃しのトレードオフを取りながら精度を上げていくことになります。データ量 人手のアノテーションを増やし続けるやり方では、毎日溜まるデータの量に追いつきません。この3つを同時に満たす方法を考えて実行していただきます。業務内容※すべてを担当する必要はなく、強みを軸に周辺領域へ越境しながら開発いただきます。1. 認識モデル開発・正解データ生成（メイン領域）物体検出・セグメンテーション・トラッキングなど、認識モデルの調査・実装・改善カメラ / LiDARを統合した3D認識と、正解データを自動生成する仕組み（オートラベリング）の設計・実装誤検出と見逃しの傾向を分析し、どこまで自動でラベルを付け、どこに人の確認を入れるかの設計逆光・夜間・悪天候・遮蔽など、実車で起きる条件が認識に与える影響の分析と対策2. センサデータ基盤・表現設計センサデータの品質評価と仕様策定物理特性や信号ノイズを考慮したデータ仕様・入力表現（Representation）の設計下流モデル（E2Eモデル、Planning等）が扱いやすい、堅牢なデータ処理パイプラインの構築・改善3. データ・評価ループの構築（Data-Centric AI）難例（Hard Example）抽出、評価データ整備などの改善ループ構築実車ログ解析・失敗事例分析による精度・データ品質の継続的フィードバックシミュレーションでは見えない"実世界のふるまい"を読み解く評価プロセスの設計4. システム連携・アーキテクチャ設計Planningとのインターフェース設計E2Eモデル学習時の入力設計実車・シミュレーションを含めた評価基盤との連携ポジションの魅力精度を上げるために、手段を選べる 論文で出たばかりの手法の再現から自社データで学習した独自モデルまで、いまの技術スタックや既製のアノテーションツールでできる範囲に合わせる必要はありません。改善のサイクルを自社で回せる 自社でタクシー事業を運行しているため、生の実車データが毎日蓄積されます。どんなセンサをいくつ、どこに付けるかまで自分たちで決められるので、集めたデータで改善し、実車で確かめるところまでを自分たちの判断だけで進められます。正解データを作る仕組み全体を設計できる 毎日溜まるデータに人手だけで追いつくことはできないため、自動化が前提になります。自動化のためのモデルを学習させる目的で大規模な人手アノテーションに投資することも含め、どこを自動に任せるかから設計できます。作った正解データが、そのまま学習データになる 認識の出力は、E2Eモデルの学習データそのものになります。正解データの質がモデルの性能に直結するため、MLエンジニアと連携しながら「どこまでの精度が本当に必要か」に踏み込んで開発できます。参考情報newmo CTOが語る、自動運転の今と未来予測〜フィジカルAI・山の登り方・偶然と制約〜newmo 技術ブログnewmo、シリーズA総額で179億円の調達を完了。累計調達金額は199億円に到達、自動運転タクシーへ本格参入

newmo についてnewmoは「移動で地域をカラフルに。」をミッションに掲げ、メルカリ日本事業を統括していたCEO青柳をはじめ、各領域のエキスパートが集結したモビリティテックカンパニーです。Physical AI（End-to-End 自動運転モデル）× 大規模リアルアセットを統合し、日本の移動インフラを根本から再設計する次世代モビリティ社会インフラを構築しています。自社タクシーフリートから得られる膨大な現場データを高速に学習・改善へ反映する "データ循環型AI開発エコシステム" を強みに、少子高齢化・人手不足で縮小する地域交通をアップデートし続けています。経済産業省・NEDO「GENIAC」採択、堺市での国家プロジェクト参画、自動運転リーディング企業との戦略的提携など、挑戦は加速しています。募集背景newmoでは「自動運転タクシーサービスの社会実装」に向けて、自社での自動運転ソフトウェア開発を進めています。E2Eモデルの性能は、学習に使う正解データ（Ground Truth）の質で決まります。正解データを作ることを専門チームの役割と位置づけ、チーム名も Ground Truth としています。正解データを作る工程はいくつもの段階に分かれ、前の段階の誤差の影響が後ろで初めて見えることもあります。品質を上げるには領域をまたいだ連携が欠かせないため、Localization と Perception のエンジニアが同じチームに所属しています。工程全体が共通の責任で、Ground Truthを作るという一つの目標に向かって動いていただきます。その中で本ポジションが担うのは、収集したデータの品質確認から、認識モデルによるラベル付けまでです。ここに3つの条件が同時にかかります。3つの条件入力の品質 品質の悪いデータが混ざったままだと、そこから作る正解データも信用できません。正解データの精度 入力の品質を上げきっても認識の精度は100%にならず、誤検出と見逃しのトレードオフを取りながら精度を上げていくことになります。データ量 人手のアノテーションを増やし続けるやり方では、毎日溜まるデータの量に追いつきません。この3つを同時に満たす方法を考えて実行していただきます。業務内容※すべてを担当する必要はなく、強みを軸に周辺領域へ越境しながら開発いただきます。1. 自己位置推定・センサキャリブレーション（メイン領域）特性の異なるセンサ（GNSS / IMU / LiDAR / カメラ / 車輪速）を統合した自己位置推定の設計・実装・改善状態推定・フィルタ設計、誤差モデリング、出力する位置・姿勢の信頼度の設計位置推定の入力を揃えるためのキャリブレーション（内部・外部パラメータ推定）、座標変換、時刻同期の設計・改善実車で発生するノイズ・熱・アンテナ特性などを踏まえた補正ロジックの改善2. センサデータ基盤・表現設計センサデータの品質評価と仕様策定物理特性や信号ノイズを考慮したデータ仕様・入力表現（Representation）の設計下流モデル（E2Eモデル、Planning等）が扱いやすい、堅牢なデータ処理パイプラインの構築・改善3. データ・評価ループの構築（Data-Centric AI）難例（Hard Example）抽出、評価データ整備などの改善ループ構築実車ログ解析・失敗事例分析による精度・データ品質の継続的フィードバックシミュレーションでは見えない"実世界のふるまい"を読み解く評価プロセスの設計4. システム連携・アーキテクチャ設計Planningとのインターフェース設計E2Eモデル学習時の入力設計実車・シミュレーションを含めた評価基盤との連携ポジションの魅力精度を上げるために、手段を選べる 論文で出たばかりの手法の再現から専用ハードウェアの開発まで、いまの技術スタックや既存の OSS でできる範囲に合わせる必要はありません。改善のサイクルを自社で回せる 自社でタクシー事業を運行しているため、生の実車データが毎日蓄積されます。どんなセンサをいくつ、どこに付けるかまで自分たちで決められるので、集めたデータで改善し、実車で確かめるところまでを自分たちの判断だけで進められます。フリートの管理を、設備ごと設計できる 大規模なフリートを運用する前提があるため、車両が増えても人手を増やさずに回す必要があります。キャリブレーションや点検のオペレーションを、ソフトウェアに限らず設備まで含めて見直し、作業時間と精度を同時に改善できます。推定した軌跡が、そのまま学習データの土台になる 自車の位置・姿勢の推定結果は、E2E モデルの学習データを作る土台になります。軌跡の質がそのまま学習データの質に効くため、ML エンジニアと連携しながら「モデルが本当に必要とする精度と速さは何か」に踏み込んで開発できます。参考情報newmo CTOが語る、自動運転の今と未来予測〜フィジカルAI・山の登り方・偶然と制約〜newmo 技術ブログnewmo、シリーズA総額で179億円の調達を完了。累計調達金額は199億円に到達、自動運転タクシーへ本格参入

newmo についてnewmoは「移動で地域をカラフルに。」をミッションに掲げ、メルカリ日本事業を統括していたCEO青柳をはじめ、各領域のエキスパートが集結したモビリティテックカンパニーです。Physical AI（End-to-End 自動運転モデル）× 大規模リアルアセットを統合し、日本の移動インフラを根本から再設計する次世代モビリティ社会インフラを構築しています。自社タクシーフリートから得られる膨大な現場データを高速に学習・改善へ反映する "データ循環型AI開発エコシステム" を強みに、少子高齢化・人手不足で縮小する地域交通をアップデートし続けています。経済産業省・NEDO「GENIAC」採択、堺市での国家プロジェクト参画、自動運転リーディング企業との戦略的提携など、挑戦は加速しています。募集背景newmoでは「自動運転タクシーサービスの社会実装」に向けて、自社での自動運転ソフトウェア開発を進めています。 学習ベースの自動運転モデルを継続的に改善していくには、実車評価だけでなく、同じ状況を何度でも再現しながら高速に仮説検証できるシミュレーション環境が不可欠です。現在は既存のシミュレータ（NVIDIA Alpha Simなど）で自社データを用いたシミュレーションは動かせていますが、精度検証・必要シナリオの洗い出し・技術方針の確立はこれからのフェーズです。技術的な意思決定・評価基盤の構築そのものから携わっていただけます。重要なのは、見た目のリアリティそのものではなく、E2Eモデルの評価・改善に効く「再現性」と「計測可能性」です。実車ログで見つかった失敗ケースを何度でも検証できること、sim-to-realギャップを定量的に測れること、そしてE2Eモデルの改善サイクルを速くすることが目的です。3D Gaussian SplattingやNeural Renderingはそのための手段の一つと位置づけています。まずは実走ログに基づくClosed-Loop評価・シナリオ再現を主軸とし、将来的には学習ループ（RL的な方策学習等）への接続も視野に入れます。この領域はまだ確立されたアーキテクチャやベストプラクティスが少なく、各社が試行錯誤しているフェーズです。そのためnewmoでは、技術選定からアーキテクチャ設計、プロトタイピング、実運用に向けた改善までをリードし、次世代のClosed-Loop評価基盤をゼロから形にしていくSimulation Engineerを募集します。業務内容Closed-Loop評価パイプラインの設計・構築：走行ログから3D Gaussian Splatting等を用いて都市環境を再構成し、E2EモデルをClosed-Loopで評価できるパイプラインの設計・構築マルチセンサーシミュレーション：LiDAR点群を含むマルチセンサー入力のシミュレーション手法の調査・プロトタイピングsim-to-realギャップの定量評価：レンダリング品質とsim-to-realギャップを測るための評価指標・手法の確立MLエンジニアとの連携による実験サイクル推進：E2Eモデルの弱点分析に基づくシナリオの再現とClosed-Loop評価を組み合わせた実験サイクルを、MLエンジニアと協働しながら推進技術リード・ロードマップ策定：中長期的なシミュレーション/評価基盤のロードマップ策定、およびチーム内での技術リードポジションの魅力Closed-Loop評価基盤の立ち上げに中核メンバーとして関われる 見た目のリアリティだけでなく、LiDARを含むセンサー入力の再現、sim-to-realギャップの計測まで踏み込む、技術的難易度の高いテーマに取り組めます。先端的な表現技術を、実用的な評価基盤へと発展させられる 3D Gaussian SplattingやNeural Renderingを研究的な検証にとどめず、モデルの評価・改善サイクルの中で継続的に活用される基盤として構築できます。自社の自動運転タクシー開発に直結する評価基盤を主導できる newmoの自動運転モデルやセンサー構成を前提に、どの入力をどの精度で再現すべきか、どこまでをシミュレーションで担うべきかといった根本設計に関わることができます。研究用の実験環境ではなく、実際の開発競争力につながる基盤を形にしていくポジションです。参考情報newmo CTOが語る、自動運転の今と未来予測〜フィジカルAI・山の登り方・偶然と制約〜newmo 技術ブログnewmo、シリーズA総額で179億円の調達を完了。累計調達金額は199億円に到達、自動運転タクシーへ本格参入

newmoのミッション 私たち newmo（ニューモ）は、「 移動で地域をカラフルに。」 をミッションに掲げ、フィジカルAI（End-to-End自動運転モデルなど）と大規模なリアルアセットを統合し、日本の移動インフラを根本から再設計する次世代のモビリティテックカンパニーです。 私たちは、既存のタクシー・ハイヤーの運行エコシステムを最先端のテクノロジーで全レイヤーにわたりアップデートし、少子高齢化や人手不足に起因する地域交通の縮小という社会課題に対し、デジタルとリアルアセットの双方を統括する自社内製技術をもって、新たな “移動のかたち”をつくり続けています。 私たちの真の強みは、自社フリートから得られるエッジデータと走行・安全データを、内製化された自動運転パイプラインへ高速フィードバックする「リアルアセット・データ直結型」の稀有なAI開発エコシステムにあります。 さらに、経済産業省・NEDO「GENIAC」への採択、堺市での国家プロジェクトへの参画、自動運転ソフトウェアをリードする企業との協業など、多くのパートナーとともに挑戦を加速。日本特有の環境に対応したAI基盤モデルの社会実装をリードしていきます。 現在、私たちは2028年の自動運転レベル4商用化を見据え、自社システムの内製開発（newmo Autonomy）を本格始動しました。 狙うのは、従来の認識・予測・計画を切り離したルールベースのモジュール型にとらわれない、センサー入力から直接車両を制御する最先端の「End-to-End自動運転モデル」の開発です。 安全性と技術革新を究極のレベルで両立し、社会実装へ導く。この難易度の高い社会課題に、初期コアメンバーとして共に挑んでくれる方を募集いたします。▼ 業務内容自動運転開発プログラム全体の推進四半期計画、中長期ロードマップ、マイルストーン、レビュー体制の設計ML、Vehicle、Embedded、Data/Infra、Simulation/Evaluation、Safety/Ops の横断推進研究成果の製品化・車載化の推進モデル、アルゴリズム、基盤技術を PoC から実車検証、限定運用、商用化準備へ接続技術的な論点を整理し、実装優先順位とGo/No-Go判断を支援実車・現場起点の開発推進データ収集、実車評価、検証オペレーション、異常時対応、運用準備の計画策定現場・運行・実験から得られる学びを開発計画へ反映対外連携の推進自治体、交通事業者、OEM、サプライヤー、研究機関、外部パートナーとの要件調整実証・導入に必要な合意形成、スケジュール調整、論点整理安全・品質・運用レディネスの整備安全性、信頼性、運用性、監視性の観点でリスクを可視化レビュー、記録、レポート、検証プロセスを整備し、継続的に改善組織横断の透明性向上進捗、課題、意思決定事項をわかりやすく共有複数チームが同じ前提で動けるよう、仕様・論点・依存関係をドキュメント化ML / ソフトウェア / 車両 / 運行 / 政策渉外などの社内の多角的なチームを横断し、ロードマップ・依存関係・リスク・意思決定を整理しながら、2028年の商用化というゴールに向けてプロダクトを前進させる最重要ポジションです。◆ポジションの魅力◆Physical AI / VLA という最先端領域への挑戦End-to-End自動運転モデル、Physical AI、VLAは、世界的にもまだ正解が確立されていないフロンティアです。サーバー上で完結するAIとは異なり、車両・道路・人・交通ルールが存在する実世界で機能するAIをつくります。最先端の機械学習技術を、リアルな社会課題に適用できる環境です。自社タクシーフリート × リアルデータを活用できる開発環境newmoは、AI開発だけでなく、タクシー・ハイヤー事業というリアルアセットを自社で持っています。自社タクシーフリートから得られる走行データ・センサーデータ・現場の知見を、開発に直接フィードバックできます。机上のPoCにとどまらず、リアルワールドで機能する自動運転システムをつくることができます。参考情報newmo CTOが語る、自動運転の今と未来予測〜フィジカルAI・山の登り方・偶然と制約〜newmo 技術ブログnewmo、シリーズA総額で179億円の調達を完了。累計調達金額は199億円に到達、自動運転タクシーへ本格参入

newmoのミッション 私たち newmo（ニューモ）は、「移動で地域をカラフルに。」をミッションに掲げ、フィジカルAI（End-to-End自動運転モデルなど）と大規模なリアルアセットを統合し、日本の移動インフラを根本から再設計する次世代のモビリティテックカンパニーです。 私たちは、既存のタクシー・ハイヤーの運行エコシステムを最先端のテクノロジーで全レイヤーにわたりアップデートし、少子高齢化や人手不足に起因する地域交通の縮小という社会課題に対し、デジタルとリアルアセットの双方を統括する自社内製技術をもって、新たな"移動のかたち"をつくり続けています。 私たちの真の強みは、自社フリートから得られるエッジデータと走行・安全データを、内製化された自動運転パイプラインへ高速フィードバックする「リアルアセット・データ直結型」の稀有なAI開発エコシステムにあります。 さらに、経済産業省・NEDO「GENIAC」への採択、堺市での国家プロジェクトへの参画、自動運転ソフトウェアをリードする企業との協業など、多くのパートナーとともに挑戦を加速。日本特有の環境に対応したAI基盤モデルの社会実装をリードしていきます。 現在、私たちは2028年の自動運転レベル4商用化を見据え、自社システムの内製開発（newmo Autonomy）を本格始動しました。 狙うのは、従来の認識・予測・計画を切り離したルールベースのモジュール型にとらわれない、センサー入力から直接車両を制御する最先端の「End-to-End自動運転モデル」の開発です。 安全性と技術革新を究極のレベルで両立し、社会実装へ導く。この難易度の高い社会課題に、初期コアメンバーとして共に挑んでくれる方を募集いたします。募集背景 newmoでは「自動運転タクシーサービスの社会実装」を目指し、E2E自動運転モデルの内製開発を進めています。 モデルの学習・改善はこれまでプランニング（計画）側を中心に進んできましたが、そのモデルにどう「制御」を追従させるか、学習に入れるべきデータをどう選定するか、そして制御起点で自動運転全体を改善するための情報連携をどう作るかが、次のフェーズの課題です。 E2Eモデルの出力を車両で安全に実行するには、車両ダイナミクスや安全制約を数理的に扱う仕組みが必要であり、最適制御アルゴリズムの設計から実装までを担うエンジニアを募集します。業務内容 E2E自動運転モデルの出力に対して、安全制約を満たす軌道修正・制御を行う最適制御アルゴリズムの開発車両ダイナミクスと安全制約を考慮した最適制御アルゴリズム（MPC等）の設計・実装E2Eモデル出力に対する安全フィルタ・軌道修正ロジックの開発車両運動モデルの構築と制御・最適化問題の定式化学習用データの選定・評価指標の設計など、制御起点でのモデル改善への貢献シミュレーション評価、ロバスト性評価、計算効率の改善量産車を制御対象として、実車での検証・チューニング現状の技術ステージとこのポジションに期待するブレイクスルー newmo Autonomyでは、E2Eモデルの学習・改善はプランニング（計画）側を中心に進んできました。一方で、そのモデルの判断に車両制御をどう追従させるか、学習にフィードバックすべきデータをどう選び取るか、という「制御起点での自動運転改善ループ」はこれから作り込むフェーズです。 また、MPC等の最適制御手法を実際に公道を走る量産車に実装するという取り組み自体、業界的にもごく最近になって現実的になってきた領域です。大手OEMでは今なお職人的なPIDチューニングが中心になっている中、newmoでは最新の数理最適化手法を実車に落とし込む機会があります。 量産車を制御対象として直接触れる環境があるため、OEM等で実車テストの勘所（何を、どこから、どの順番で検証すべきか）を培った方の知見が大きく活きるポジションです。ポジションの魅力難易度が高い社会課題の解決「自動運転タクシー」という極めて安全性が求められるプロダクトにおいて、技術的に非常にハードルの高い課題に挑み、社会実装するやりがいがあります。E2E自動運転と最適制御の接点をつくる役割ニューラルネットワークの出力に対して物理的な安全性を保証するという、E2E時代ならではの制御課題に数理的アプローチで挑めます。論文・研究を実車に落とし込む機会MPC等、大手企業や研究では検証止まりになりがちな最適制御手法を、実際に公道を走るタクシーに実装し、社会実装インパクトに変える機会があります。モジュール分業を越えた、一気通貫の裁量自分が定式化した最適化問題に基づく制御が、シミュレーションや実車で動作する様子を確認できます。立ち上げフェーズのため、数理モデルから実装、実車検証まで大きな裁量を持って取り組めます。経済的アップサイド一定職位以上にはストックオプション制度があり、事業成長に応じたアップサイドを狙えます。参考情報newmo CTOが語る、自動運転の今と未来予測〜フィジカルAI・山の登り方・偶然と制約〜newmo 技術ブログnewmo、シリーズA総額で179億円の調達を完了。累計調達金額は199億円に到達、自動運転タクシーへ本格参入

newmoのミッション 私たち newmo（ニューモ）は、「移動で地域をカラフルに。」をミッションに掲げ、フィジカルAI（End-to-End自動運転モデルなど）と大規模なリアルアセットを統合し、日本の移動インフラを根本から再設計する次世代のモビリティテックカンパニーです。 私たちは、既存のタクシー・ハイヤーの運行エコシステムを最先端のテクノロジーで全レイヤーにわたりアップデートし、少子高齢化や人手不足に起因する地域交通の縮小という社会課題に対し、デジタルとリアルアセットの双方を統括する自社内製技術をもって、新たな"移動のかたち"をつくり続けています。 私たちの真の強みは、自社フリートから得られるエッジデータと走行・安全データを、内製化された自動運転パイプラインへ高速フィードバックする「リアルアセット・データ直結型」の稀有なAI開発エコシステムにあります。 さらに、経済産業省・NEDO「GENIAC」への採択、堺市での国家プロジェクトへの参画、自動運転ソフトウェアをリードする企業との協業など、多くのパートナーとともに挑戦を加速。日本特有の環境に対応したAI基盤モデルの社会実装をリードしていきます。 現在、私たちは2028年の自動運転レベル4商用化を見据え、自社システムの内製開発（newmo Autonomy）を本格始動しました。 狙うのは、従来の認識・予測・計画を切り離したルールベースのモジュール型にとらわれない、センサー入力から直接車両を制御する最先端の「End-to-End自動運転モデル」の開発です。 安全性と技術革新を究極のレベルで両立し、社会実装へ導く。この難易度の高い社会課題に、初期コアメンバーとして共に挑んでくれる方を募集いたします。募集背景 newmoでは「自動運転タクシーサービスの社会実装」を目指し、End-to-End（E2E）自動運転モデルの内製開発を進めています。 E2Eモデル（Optimal Controlレイヤー）が出力する「最適な走行方法」（目標軌道、目標舵角・加減速など）を、実車で安全かつ快適に実行するための車両制御システムの開発を担うエンジニアを募集します。業務内容 E2E自動運転モデルの出力を、実車で安全かつ快適に実行するための車両制御システムの開発E2Eモデルや上位の最適制御レイヤーが出力する目標軌道・目標速度等に追従し、実車を安全かつ滑らかに走行させる車両制御器の設計・実装PID等を用いたアクチュエータ制御、および状態フィードバック制御を含む車両制御系の設計・実装車両の物理特性・アクチュエータ制約を考慮した制御ロジックの開発、および車両アーキテクチャ自体の設計への関与シミュレーション・実車評価を通じた制御性能の改善E2Eモデル・最適制御レイヤーと車両制御レイヤー間のインターフェースおよび制御アーキテクチャの設計E2Eモデル・最適制御レイヤーと車両制御レイヤー間のインターフェースおよび制御アーキテクチャの設計現在の開発フェーズとこのポジションの役割 newmo Autonomyでは現在、E2Eモデル、最適制御、車両・アクチュエータ制御を含む自動運転システムの開発と実車検証を進めています。各領域の開発はすでに進行していますが、レイヤー間の役割分担やインターフェース、実行基盤を含むシステム全体のアーキテクチャについては、実車での検証を重ねながら継続的に設計・改善している段階です。本ポジションでは、車両制御系の設計・実装に加え、E2Eモデルや最適制御、車載ハードウェアを一つのシステムとして接続するロボットシステムアーキテクチャの設計を担っていただきます。具体的には、コンポーネントの責務分割、データフローとインターフェース、通信方式、実行周期、状態管理、異常時の振る舞いなどを、実時間性・安全性・保守性を考慮しながら設計します。また、車両のダイナミクスやアクチュエータの特性・制約を踏まえた制御ソフトウェアを実装し、シミュレーションと実車評価を通じて、追従性能、ロバスト性、乗り心地、安全性をシステム全体で改善していきます。完成したシステムの一部を運用する役割ではありません。これまでの開発成果や既存の実装を土台にしながら、必要に応じてシステム構成やレイヤー間の接続方法まで見直し、アーキテクチャ設計から実装、実車検証、改善まで一貫して関われるポジションです。ポジションの魅力難易度が高い社会課題の解決「自動運転タクシー」という極めて安全性が求められるプロダクトにおいて、技術的に非常にハードルの高い課題に挑み、社会実装するやりがいがあります。E2E自動運転 × 制御工学の融合領域学習ベースのE2Eモデルと制御工学を組み合わせ、モデルの出力を実車の安全で滑らかな走行につなげるシステム開発に取り組めます。モジュール分業を越えた、一気通貫の裁量大企業やTier1では「制御レイヤーの一部」しか担当できないことが多い中、制御理論から実車検証、車両アーキテクチャ設計まで、立ち上げフェーズならではの大きな裁量を持って関われます。実車データと実運用に基づく制御システム開発確立された制御理論と最新の学習ベース手法を組み合わせ、E2Eモデル、最適制御、車両・アクチュエータ制御を統合したシステムを、自社フリートで検証・改善できます。シミュレーションにとどまらず、実際のタクシー運行を見据えた安全性、乗り心地、ロバスト性の向上に取り組めます。経済的アップサイド一定職位以上にはストックオプション制度があり、事業成長に応じたアップサイドを狙えます。参考情報newmo CTOが語る、自動運転の今と未来予測〜フィジカルAI・山の登り方・偶然と制約〜newmo 技術ブログnewmo、シリーズA総額で179億円の調達を完了。累計調達金額は199億円に到達、自動運転タクシーへ本格参入

newmoのミッション 私たち newmo（ニューモ）は、「 移動で地域をカラフルに。」 をミッションに掲げ、フィジカルAI（End-to-End自動運転モデルなど）と大規模なリアルアセットを統合し、日本の移動インフラを根本から再設計する次世代のモビリティテックカンパニーです。 私たちは、既存のタクシー・ハイヤーの運行エコシステムを最先端のテクノロジーで全レイヤーにわたりアップデートし、少子高齢化や人手不足に起因する地域交通の縮小という社会課題に対し、デジタルとリアルアセットの双方を統括する自社内製技術をもって、新たな “移動のかたち”をつくり続けています。 私たちの真の強みは、自社フリートから得られるエッジデータと走行・安全データを、内製化された自動運転パイプラインへ高速フィードバックする「リアルアセット・データ直結型」の稀有なAI開発エコシステムにあります。 さらに、経済産業省・NEDO「GENIAC」への採択、堺市での国家プロジェクトへの参画、自動運転ソフトウェアをリードする企業との協業など、多くのパートナーとともに挑戦を加速。日本特有の環境に対応したAI基盤モデルの社会実装をリードしていきます。 現在、私たちは2028年の自動運転レベル4商用化を見据え、自社システムの内製開発（newmo Autonomy）を本格始動しました。 狙うのは、従来の認識・予測・計画を切り離したルールベースのモジュール型にとらわれない、センサー入力から直接車両を制御する最先端の「End-to-End自動運転モデル」の開発です。 安全性と技術革新を究極のレベルで両立し、社会実装へ導く。この難易度の高い社会課題に、初期コアメンバーとして共に挑んでくれる方を募集いたします。募集背景 newmoでは、自動運転タクシーサービスの社会実装に向けて、リファレンス車両でのデータ収集と評価を進めています。今後は、専用車両で得た知見を、より継続運用しやすい収集車両へ展開し、複数台の車両で安定して高品質なデータを取得できる基盤を構築していく必要があります。また、newmoが目指しているのはデータ収集車両の整備にとどまりません。車載システム全体の知見を蓄積し、将来的には自動運転車両そのものの設計にもつなげていきたいと考えています。本ポジションでは、センサー、ECU、車載通信ユニット、電源、配線、搭載機構、車上データ取得を含む車載システム全体を成立させる役割を担っていただきます。実験用の構成をその場限りで動かすのではなく、継続的に運用可能なデータ収集車両として成立する構成へと引き上げながら、その先にある自動運転車両全体の設計にもつながる基盤を作っていくことが期待されます。業務内容 ※ 下記の全てを担当するわけではなく、強みを軸に周辺領域にも越境しながらチームで進めていただきます。車載システム全体の設計・統合センサー、ECU、車載通信ユニット、ストレージ、電源、配線、取付部材を含む全体構成を設計します。収集車両として成立するための接続方式、役割分担、保守性を含めて全体最適を行います。実車での立ち上げ実車や検証環境での組立、接続確認、起動確認、動作検証を行います。データ取得、状態監視、障害からの復旧、再起動時の安定性まで含めて、継続運用可能な状態を作ります。量産的に展開できる構成づくり車種差分を吸収した搭載標準、設置標準、変更管理を整備します。リファレンス車両で得られた知見を、営業運行に近い収集車両へ展開するための仕様策定を行います。ベンダー・サプライヤー連携センサー、車載計算機、車載通信ユニット、搭載部材などの技術評価、選定、比較検証を行います。ベンダーやサプライヤーと連携し、試作、改良、調達性確認、複数台展開に向けた準備を進めます。ポジションの魅力難易度が高い社会課題の解決「自動運転タクシー」という極めて安全性が求められるプロダクトにおいて、技術的に非常にハードルの高い課題に挑み、社会実装するやりがいがあります。リファレンス車両の知見を、収集車両から将来の自動運転車両設計へつなげられるリファレンス車両で得たセンサー構成、計算機構成、電源・通信・搭載設計の知見を、継続運用可能な収集車両へ展開できます。その過程で蓄積される車載システムの知見は、将来的な自動運転車両全体の設計にもつながっていきます。ハードとソフトの境界で価値を出せる。配線、電源、搭載、ECU、同期、ログ取得まで、物理とソフトの接点を横断できます。単なる組込みではなく、統合の中核を担えます。後段の開発速度と品質に直接効く取得できるデータの安定性と質が、そのまま認識・学習・評価に影響します。開発全体の前提を支える、非常にレバレッジの大きい役割です。参考情報newmo CTOが語る、自動運転の今と未来予測〜フィジカルAI・山の登り方・偶然と制約〜newmo 技術ブログnewmo、シリーズA総額で179億円の調達を完了。累計調達金額は199億円に到達、自動運転タクシーへ本格参入

newmoのミッション 私たち newmo（ニューモ）は、「 移動で地域をカラフルに。」 をミッションに掲げ、フィジカルAI（End-to-End自動運転モデルなど）と大規模なリアルアセットを統合し、日本の移動インフラを根本から再設計する次世代のモビリティテックカンパニーです。 私たちは、既存のタクシー・ハイヤーの運行エコシステムを最先端のテクノロジーで全レイヤーにわたりアップデートし、少子高齢化や人手不足に起因する地域交通の縮小という社会課題に対し、デジタルとリアルアセットの双方を統括する自社内製技術をもって、新たな “移動のかたち”をつくり続けています。 私たちの真の強みは、自社フリートから得られるエッジデータと走行・安全データを、内製化された自動運転パイプラインへ高速フィードバックする「リアルアセット・データ直結型」の稀有なAI開発エコシステムにあります。 さらに、経済産業省・NEDO「GENIAC」への採択、堺市での国家プロジェクトへの参画、自動運転ソフトウェアをリードする企業との協業など、多くのパートナーとともに挑戦を加速。日本特有の環境に対応したAI基盤モデルの社会実装をリードしていきます。 現在、私たちは2028年の自動運転レベル4商用化を見据え、自社システムの内製開発（newmo Autonomy）を本格始動しました。 狙うのは、従来の認識・予測・計画を切り離したルールベースのモジュール型にとらわれない、センサー入力から直接車両を制御する最先端の「End-to-End自動運転モデル」の開発です。 本ポジションは、自動運転事業の拠点運営そのものを仕組み化できるポジションであり、この難易度の高い課題に、初期コアメンバーとして共に挑んでくれる方を募集いたします。募集背景newmoでは、2028年の自動運転タクシー商用運行開始を見据え、大阪市城東区に開発車両・データ収集車両の運用拠点「JOTO Base」を開設しました。今後、拠点内の車両台数はさらに拡大していく見込みです。 JOTO Baseでは、車両の日常運用やセーフティドライバーの配車・勤怠、拠点の保全といった運行管理を、newmoのタクシー事業を担う運行管理チームが担当します。自動運転開発室は、車載システムとデータ収集の技術面に責任を持ちます。本ポジションは、その技術面の責任者として、運行管理チームが一次対応を安定して回せる仕組みを設計し、一次対応で解決できない技術課題の二次対応を担う役割です。 自動運転システムの開発チームは東京のAutonomy Garage Tokyoに拠点を置いており、JOTO Baseとは物理的に離れています。開発そのものは東京で行い、本ポジションでは現場の状況を正確に言語化して開発チームと連携し、現地で意思決定できることが特に重要になります。将来的には他エリアへの拠点展開も視野に入れており、JOTO Baseでの運行管理との分業モデルを「再現できる型」として磨き上げる役割も期待しています。業務内容運行管理チームとの技術面の連携設計運行管理チームが担う一次対応の範囲、手順、エスカレーション基準を設計し、合意・文書化する運行管理チームとの定例の場を設計・運営し、運用上の課題を拾い上げて改善する一次対応で使うチェックリスト、報告フォーマット、連絡経路を整備し、形骸化していないかを定期的に点検する稼働率、データ欠損率、不具合対応にかかった時間などを週次で集計し、関係チームに共有するデータ収集プロセスの標準化・改善データ収集オペレーションの手順書・チェックリストを、運行管理チームが実行できる粒度で設計するGNSS測位ロスト、LiDAR/カメラのフレームドロップ、車載PCの異常終了など、走行後に繰り返し発生する不具合パターンを蓄積し、一次対応手順書を更新するエンジニアリングチームと、頻発する不具合・改善要望をすり合わせる場を設定し問題解決を進める車載機器トラブルシューティングのリード一次切り分けでは原因が特定できなかった事象（例: 特定条件でのみ発生するセンサー同期ズレ、ストレージ書き込みエラー、ネットワーク瞬断など）について、ログ・配線・プロセス状態を突き合わせて原因を特定し、再現条件を明らかにするデータ収集車両のソフトウェア更新の計画・実施・検証と、失敗時の復旧を担う車載機器の交換・設定変更を実施し、作業記録を残す現地での判断と重大事象の初動データ収集走行を止める・続ける、車両を出す・出さないといった現地判断の基準を設計し、基準に基づいてその場で判断する事故・ヒヤリハット・第三者からの問い合わせなど重大事象が発生した際の初動を担い、東京の開発チームへ即時連絡する条件とエスカレーション基準を定めて運用する現地で起きていることについて、東京の意思決定者が判断に使える唯一の情報源として、確認済みの事実と未確認の情報を区別して報告する事象の振り返りと手順への反映発生した不具合・重大事象について振り返りを行い、根本原因と再発防止策を記録する週次で不具合の傾向をレビューし、一次対応手順・チェックリスト・エスカレーション基準の改訂をリードする東京の開発チームとのリモート連携東京のAutonomy Garage Tokyoにいる開発チームとの定例ミーティングを設計・運営（頻度、アジェンダ、引き継ぐ情報の水準を決める）車両の状態や配線、現場の環境要因など、現地でしか分からない情報を、リモートのエンジニアがそのまま判断に使える形（写真、数値、ログの切り取り方等）でドキュメント化するルールを整備拠点↔開発チーム↔運行管理チームの報告フォーマット・エスカレーションルールを整備し、情報のズレや伝達漏れを防ぐ開発チームが行いたい実車検証（例: 新しいセンサー構成の試験走行）の受け入れを、運行管理チームと調整する技術研修セーフティドライバー・運行管理者向けの技術研修（走行前後のチェックリスト運用、車載機器の起動・停止、トラブル時の報告方法など）の内容を設計し、実施する日次報告の内容を点検し、繰り返し発生する問題や手順の形骸化を拾い上げて研修・手順に反映する複数拠点展開を見据えた拠点づくりJOTO Baseでの運用ルール・チェックリスト・研修プログラム・運行管理との分業モデルを、拠点固有の事情に依存する部分と汎用化できる部分に切り分け、次の拠点でもそのまま展開できる「型」としてドキュメント化する拠点立ち上げに必要な要素（車両・機材の初期セットアップ、一次/二次対応の境界設計、研修計画など）を整理し、次拠点の立ち上げ期間を短縮できる仕組みを設計今後の拠点開設・拡張の検討に、JOTO Baseでの運営知見をもとに参画ポジションの魅力 〜拠点運営そのものを仕組み化できるポジション〜 自動運転開発車両の実車データ収集拠点の立ち上げ期において、現場オペレーションの仕組みそのものを設計できるポジションです。車両・センサー・車載PC・ネットワーク・データ基盤・人（整備士や外部パートナー含む）をつなぎ、拠点運営の中核を担うことができます。ここで作る仕組みは、今後複数拠点へ展開していく際の「最初の型」となり、事業のスケールそのものに関わることができます。参考情報newmo CTOが語る、自動運転の今と未来予測〜フィジカルAI・山の登り方・偶然と制約〜newmo 技術ブログnewmo、シリーズA総額で179億円の調達を完了。累計調達金額は199億円に到達、自動運転タクシーへ本格参入

newmoのミッション 私たち newmo（ニューモ）は、「 移動で地域をカラフルに。」 をミッションに掲げ、フィジカルAI（End-to-End自動運転モデルなど）と大規模なリアルアセットを統合し、日本の移動インフラを根本から再設計する次世代のモビリティテックカンパニーです。 私たちは、既存のタクシー・ハイヤーの運行エコシステムを最先端のテクノロジーで全レイヤーにわたりアップデートし、少子高齢化や人手不足に起因する地域交通の縮小という社会課題に対し、デジタルとリアルアセットの双方を統括する自社内製技術をもって、新たな “移動のかたち”をつくり続けています。 私たちの真の強みは、自社フリートから得られるエッジデータと走行・安全データを、内製化された自動運転パイプラインへ高速フィードバックする「リアルアセット・データ直結型」の稀有なAI開発エコシステムにあります。 さらに、経済産業省・NEDO「GENIAC」への採択、堺市での国家プロジェクトへの参画、自動運転ソフトウェアをリードする企業との協業など、多くのパートナーとともに挑戦を加速。日本特有の環境に対応したAI基盤モデルの社会実装をリードしていきます。 現在、私たちは2028年の自動運転レベル4商用化を見据え、自社システムの内製開発（newmo Autonomy）を本格始動しました。 狙うのは、従来の認識・予測・計画を切り離したルールベースのモジュール型にとらわれない、センサー入力から直接車両を制御する最先端の「End-to-End自動運転モデル」の開発です。 本ポジションは、自動運転事業の拠点運営そのものを仕組み化できるポジションであり、この難易度の高い課題に、初期コアメンバーとして共に挑んでくれる方を募集いたします。募集背景newmoでは、今後複数車両への導入・運用を見据えたデータ収集体制を整備していきます。そのためには、開発した車載構成を、整備士や外部パートナーと連携しながら現場で安定稼働させるための、導入品質管理、一次切り分け、ログ取得、再現確認、改善フィードバックを担うポジションが必要です。 このたびnewmoでは、自動運転開発車両の運用・データ収集・車載機器の保守を担う拠点として、大阪市城東区にJOTO Baseを開設しました。自動運転システムの開発チームは東京のAutonomy Garage Tokyoに在籍しており、JOTO Baseとは離れた場所にいるため、現場で起きたことを正確に伝えるリモートでのやり取りが欠かせません。本ポジションでは、JOTO Baseを主な拠点として、Seniorメンバーが設計した運用ルールのもとで、車両ごとの導入品質を担保しながら、データ収集に利用する開発車両のフリート運用、現場で起こる問題の整理、開発メンバーへのフィードバックを担っていただきます。業務内容自動運転開発車両のフリートマネジメント開発車両の稼働状況、保管状況、利用予定の管理車両ごとの状態、機材構成、点検状況、ログ取得状況の記録・管理データ収集走行に向けた車両準備、走行後の確認、簡易点検整備士、外部パートナー、社内エンジニアとの連携データ収集プロセスの運用出走前後のセーフティドライバーとの打ち合わせ、チェックリスト運用の徹底、勤怠確認セーフティドライバーからの日々の報告内容の一次確認、気になる点のエスカレーションデータ収集前後のチェックリスト運用収集データの取得状況確認、ログ欠損や異常の一次切り分けセンサー・車載PC・通信機器・ストレージ間のデータフロー確認走行条件、機材状態、トラブル内容などの記録・改善提案開発チームに向けて、ログ・不具合内容・再現条件をSlack/Notion等でテキストにまとめて報告車載機器の操作・メンテナンス車載コンピューター、カメラ、LiDAR、GNSS、通信機器等の起動・停止・確認Linuxベースの車載環境における基本的なコマンド操作ログ確認、プロセス確認、ストレージ容量確認、ネットワーク疎通確認ケーブル、マウント、電源、車載機器の物理的な状態確認不具合発生時の一次対応、再現確認、Seniorへのエスカレーション機材交換・設定変更時の作業記録ポジションの魅力 〜実車から自動運転開発を支える、開発現場の最前線〜 自動運転開発において、質の高い実車データは非常に重要です。本ポジションは、車両・センサー・車載PC・ネットワーク・データ基盤をつなぎ、実車データ収集を安定して回すための中核を担います。モデル開発やシミュレーションだけでは見えない、実世界ならではの課題に向き合いながら、自動運転開発の土台をつくることができます。参考情報newmo CTOが語る、自動運転の今と未来予測〜フィジカルAI・山の登り方・偶然と制約〜newmo 技術ブログnewmo、シリーズA総額で179億円の調達を完了。累計調達金額は199億円に到達、自動運転タクシーへ本格参入

◆newmoのミッション◆ newmoは、「移動で地域をカラフルに。」をミッションに掲げるモビリティスタートアップです。タクシーやハイヤーなど、これまで地域の移動を支えてきた仕組みをアップデートし、誰もが安心して移動できる社会をつくっていきます。 地域によっては公共交通が減り、移動が不便になりつつあります。一方で都市部では、業務の煩雑さや人手不足といった課題が残っています。 newmoは、こうした現場の課題に真正面から向き合い、テクノロジーを使ってより良い“移動のかたち”をつくり続けています。◆募集背景◆newmoでは、2028年の自動運転タクシー商用運行開始を見据え、大阪市城東区に開発車両・データ収集車両の運用拠点「JOTO Base」を開設しました。SeniorやJuniorメンバーのサポートを受けながら、実車運用・データ収集の現場を体験し、自動車・IoT機器・Linux環境などの基礎を学べるインターンポジションです。自動運転システムの開発チームは東京のAutonomy Garage Tokyoに在籍しており、JOTO Baseとは離れた場所で開発を進めています。現場で気づいたことは、Senior・Junior経由でその都度正確に報告していただきます。本ポジションでは、Senior・Juniorメンバーの指導のもと、車両点検やデータ収集オペレーションの補助、簡単な車載機器操作を担当していただきます。難易度の高い判断やトラブル対応は上位メンバーが担い、インターンは決められた手順に沿った実務を通じて経験を積んでいただきます。◆業務内容◆フリートマネジメントの補助開発車両の稼働状況・保管状況の記録補助データ収集走行に向けた車両準備の補助、簡易点検の同行・記録データ収集プロセスの補助データ収集前後のチェックリスト運用の補助収集データの取得状況確認（指導/監督のもと）走行条件や機材状態の記録出走前後のセーフティドライバーの対応補助現場で気づいたこと（車両の様子、気になる点など）は、その都度Slack等で報告する車載機器操作の基礎習得Linuxベースの車載環境における基本的なコマンド操作の学習・実践ログ確認、ストレージ容量確認などの基礎作業（指導のもと実施）ケーブル、マウント、電源など車載機器の物理的な状態確認の補助◆ポジションの魅力◆自動運転開発の実車現場を学べるポジション自動運転開発において、質の高い実車データがどのように収集されているかを、現場で体験しながら学ぶことができます。車両・センサー・車載PC・ネットワークなど、ソフトウェアとハードウェアの境界を横断する実務に触れられる、貴重な機会です。

newmoのミッション 私たちnewmoは、「移動で地域をカラフルに」をミッションに掲げ、日本の移動インフラの再設計に挑む次世代モビリティテックカンパニーです。 現在、タクシー事業の拡大に伴い、営業所・整備拠点・乗務員拠点などの多拠点立ち上げが急速に進んでいます。さらに、数年後に迫る自動運転タクシーの社会実装を見据え、100台規模、将来的には数千台規模の車両運用を支える「次世代モビリティデポ」の開発が重要テーマになっています。 本ポジションでは、土地・物件の探索、賃貸借交渉、行政・法令対応、設計・施工パートナーの選定、工程・品質・コスト管理までを、発注者側のプロジェクトマネージャーとして一気通貫でリードしていただきます。 求めているのは、単なる施工管理担当や店舗開発担当ではありません。大規模施設・物流拠点・データセンター・工場・モビリティ関連施設などの開発経験を活かし、事業成長に必要な拠点開発の型をつくり、外部パートナーを厳しくマネジメントしながら、スピードと品質を両立できる方を求めています。▼ 想定するミッションタクシー事業の拡大に必要な営業所・整備拠点・車両保管拠点の開発を推進する将来の自動運転・EV化を見据えた次世代モビリティデポの立ち上げをリードする土地選定から契約、設計、施工、引き渡しまでのプロジェクト全体を統括する外部の設計会社・施工会社・不動産会社・専門コンサルタントを発注者側として管理する拠点開発のプロセスを標準化し、複数拠点を再現性高く立ち上げられる体制をつくる▼ 業務内容1. 土地・物件開発タクシー営業所、整備拠点、車両保管拠点、将来の自動運転デポ候補地の探索事業要件を踏まえた候補地の評価車両台数動線整備・洗車・充電設備周辺環境法令・行政要件将来的な拡張性不動産オーナー、仲介会社、行政、地域関係者との折衝賃貸借契約・取得条件・工事区分・原状回復条件などの交渉2. 拠点開発プロジェクトマネジメント拠点ごとの開発計画、スケジュール、予算、体制の設計設計事務所、施工会社、設備会社、外部PM/CM会社などの選定・発注工程・品質・コスト・安全面の管理見積もりの妥当性確認、価格交渉、コスト削減施策の立案現場で発生する課題の整理、意思決定、関係者調整複数拠点を同時並行で進めるための進捗管理3. タクシー事業に必要な拠点機能の実装営業所、乗務員拠点、整備拠点、車両待機・保管スペースなどの要件整理乗務員・整備・運行管理など、現場オペレーションを踏まえたレイアウト設計車両動線、人流、業務効率、安全性を考慮した拠点仕様の策定既存拠点の改善、増床、移転、新規立ち上げの推進4. 電力・充電インフラ領域との連携EV充電設備、受電設備、電力容量、将来拡張性を踏まえた土地・物件評価電力マネジメント担当、設備会社、電力会社、専門コンサルタントとの連携100台規模以上の車両運用を見据えた、受電・充電インフラ要件の整理電力・設備面の専門判断をプロジェクト計画に反映※ 電力設備の詳細設計・専門技術判断は、専門人材・外部パートナーと連携して進めます5. 許認可・法令・リスク対応建築、消防、運輸、整備、環境、安全衛生など、拠点開設に必要な論点整理行政手続き、届出、関係者調整の推進BCP、防災、セキュリティ、近隣対応などのリスク管理業務委託・外部パートナーを活用する際の機密情報・契約面の確認6. 拠点開発プロセスの型化多拠点展開に向けた開発プロセス、チェックリスト、判断基準の整備物件評価、見積評価、施工管理、引き渡しまでの標準化社内の事業責任者、不動産、オペレーション、整備、電力・設備担当との連携体制づくり▼ 本ポジションの魅力未来の移動インフラをつくる仕事 タクシー事業の拡大に加え、自動運転・EV化を見据えた次世代モビリティデポの開発に関われます。事業成長に直結する大きな裁量 土地選定、契約交渉、設計、施工、コスト管理まで、拠点開発の上流から実行までをリードできます。大規模インフラ開発の経験を、社会課題の解決に活かせる 地域交通の維持・発展という社会的意義の大きいテーマに、リアルアセット開発の専門性で貢献できます。仕組みをつくるフェーズに関われる 今後の多拠点展開に向け、拠点開発の標準プロセスや判断基準をゼロから設計できます。フィジカルAI × リアルアセットの最前線で働ける newmo独自のリアルアセット・データ直結型のAI開発エコシステムの基盤づくりに関われます。▼本ポジションで扱わない業務商品の陳列棚や什器配置の設計小売店舗の売場レイアウト・VMD商業施設内テナントの内装デザインのみを担う業務店舗販促・来店導線・売上最大化を目的とした店舗開発単純な内装工事の進行管理のみを担う業務本ポジションの主眼は、車両・人・整備・充電・運行を支える大規模モビリティインフラの開発です。参考情報newmo CTOが語る、自動運転の今と未来予測〜フィジカルAI・山の登り方・偶然と制約〜newmo 技術ブログnewmo、シリーズA総額で179億円の調達を完了。累計調達金額は199億円に到達、自動運転タクシーへ本格参入

newmoのミッション 私たち newmo（ニューモ）は、「 移動で地域をカラフルに。」 をミッションに掲げ、フィジカルAI（End-to-End自動運転モデルなど）と大規模なリアルアセットを統合し、日本の移動インフラを根本から再設計する次世代のモビリティテックカンパニーです。 私たちは、既存のタクシー・ハイヤーの運行エコシステムを最先端のテクノロジーで全レイヤーにわたりアップデートし、少子高齢化や人手不足に起因する地域交通の縮小という社会課題に対し、デジタルとリアルアセットの双方を統括する自社内製技術をもって、新たな “移動のかたち”をつくり続けています。 私たちの真の強みは、自社フリートから得られるエッジデータと走行・安全データを、内製化された自動運転パイプラインへ高速フィードバックする「リアルアセット・データ直結型」の稀有なAI開発エコシステムにあります。 さらに、経済産業省・NEDO「GENIAC」への採択、堺市での国家プロジェクトへの参画、自動運転ソフトウェアをリードする企業との協業など、多くのパートナーとともに挑戦を加速。日本特有の環境に対応したAI基盤モデルの社会実装をリードしていきます。 現在、私たちは2028年の自動運転レベル4商用化を見据え、自社システムの内製開発（newmo Autonomy）を本格始動しました。 狙うのは、従来の認識・予測・計画を切り離したルールベースのモジュール型にとらわれない、センサー入力から直接車両を制御する最先端の「End-to-End自動運転モデル」の開発です。 安全性と技術革新を究極のレベルで両立し、社会実装へ導く。この難易度の高い社会課題に、初期コアメンバーとして共に挑んでくれる方を募集いたします。募集背景 newmoでは「自動運転タクシーサービスの社会実装」を目指し、自社で自動運転システムの内製開発を本格スタートしました。 End-to-End自動運転モデルや基盤モデルを活用した開発が進む中、Physical AIモデルの開発はクラウドだけでは完結せず、実車から収集されるセンサーデータを処理・アップロードする基盤、GPUを用いたオフィスでの実験基盤、そしてそれらを支えるオフィス環境が必要不可欠です。当社では、柔軟なリソース制御の観点から、クラウドだけではなくオフィス（オンプレミス）環境における独自のGPUクラスタの構築を進めています。本ポジションでは、モデル開発のためのGPUサーバーの物理的な構築・保守、データ保存のためのストレージ管理、車載デバイスとオフィスを繋ぐネットワーク、さらにはエンジニアが快適に開発を行うためのオフィスネットワーク（Corp IT）まで、自動運転開発を下支えするハードウェアとネットワークの基盤を幅広く担っていただきます。 サーバー・ストレージから、オフィスや車載デバイス周辺のネットワークまで、ハードウェアとソフトウェアの境界を越えて自動運転の根幹を支える「Full-Stack Infrastructure Engineer」を募集します。業務内容 自動運転開発をおもにネットワークレイヤで支えるインフラ構築、、および車載ネットワークの設計・構築・運用オンプレミスGPUサーバーの構築・運用: オフィス内のサーバルームにおけるGPUサーバークラスタの設計、キッティング、構築、およびリソース管理車載ネットワーク・エッジ環境の構築: 自動運転車に搭載される車載コンピューターのネットワーク要件定義、設定、およびオフィス/データセンターと車両を安全かつ高速に繋ぐ通信環境の構築大規模データ収集・ストレージ基盤の運用: 実車（カメラ、LiDAR等）から日々収集される膨大な学習データを保存・管理するための大容量ストレージ（NAS / 分散ストレージ等）の設計と運用保守コーポレートIT・オフィスネットワークの構築・運用: 自動運転拠点オフィスのLAN/Wi-Fi、ルーター、ファイアウォール、VPN等の社内ネットワークインフラの設計・構築・運用。従業員が安全かつ快適に業務を行えるIT環境の整備ポジションの魅力AIと実世界を繋ぐ、幅広いネットワーク設計。「オフィスの社内ネットワーク」「自動運転車両（エッジデバイス）のネットワーク」「巨大なデータを処理するGPUサーバルーム」という、性質の異なるネットワークを統合的にデザインし、運用する面白さがあります。一般的なWebインフラとは異なり、「動く自動車」という特殊なエッジデバイスとサーバーを繋ぐ、自動運転ならではの高度でユニークなネットワーク設計に挑戦できます。難易度が高い社会課題の解決。「自動運転タクシー」の実現に向けて、インフラの安定性とパフォーマンスが直結します。Physical AIを社会実装するための土台を築き上げる、非常に貢献度とやりがいの高いポジションです。参考情報newmo CTOが語る、自動運転の今と未来予測〜フィジカルAI・山の登り方・偶然と制約〜newmo 技術ブログnewmo、シリーズA総額で179億円の調達を完了。累計調達金額は199億円に到達、自動運転タクシーへ本格参入

newmo についてnewmoは「移動で地域をカラフルに。」をミッションに掲げ、メルカリ日本事業を統括していたCEO青柳をはじめ、各領域のエキスパートが集結したモビリティテックカンパニーです。Physical AI（End-to-End 自動運転モデル）× 大規模リアルアセットを統合し、日本の移動インフラを根本から再設計する次世代モビリティ社会インフラを構築しています。自社タクシーフリートから得られる膨大な現場データを高速に学習・改善へ反映する "データ循環型AI開発エコシステム" を強みに、少子高齢化・人手不足で縮小する地域交通をアップデートし続けています。経済産業省・NEDO「GENIAC」採択、堺市での国家プロジェクト参画、自動運転リーディング企業との戦略的提携など、挑戦は加速しています。採用背景newmoでは「自動運転タクシーサービスの社会実装」に向けて、自社での自動運転ソフトウェア開発を進めています。E2Eモデルの性能は、学習に使う正解データ（Ground Truth）の質で決まります。正解データを作ることを専門チームの役割と位置づけ、チーム名も Ground Truth としています。正解データを作る工程はいくつもの段階に分かれ、前の段階の誤差の影響が後ろで初めて見えることもあります。品質を上げるには領域をまたいだ連携が欠かせないため、Localization と Perception のエンジニアが同じチームに所属しています。工程全体が共通の責任で、Ground Truthを作るという一つの目標に向かって動いていただきます。その中で本ポジションが担うのは、収集したデータの品質確認から、認識モデルによるラベル付けまでです。ここに3つの条件が同時にかかります。3つの条件入力の品質 品質の悪いデータが混ざったままだと、そこから作る正解データも信用できません。正解データの精度 入力の品質を上げきっても認識の精度は100%にならず、誤検出と見逃しのトレードオフを取りながら精度を上げていくことになります。データ量 人手のアノテーションを増やし続けるやり方では、毎日溜まるデータの量に追いつきません。この3つを同時に満たす方法を考えて実行していただきます。業務内容※すべてを担当する必要はなく、強みを軸に周辺領域へ越境しながら開発いただきます。###　認識モデル開発・正解データ生成（メイン領域）物体検出・セグメンテーション・トラッキングなど、認識モデルの調査・実装・改善カメラ / LiDARを統合した3D認識と、正解データを自動生成する仕組み（オートラベリング）の設計・実装誤検出と見逃しの傾向を分析し、どこまで自動でラベルを付け、どこに人の確認を入れるかの設計逆光・夜間・悪天候・遮蔽など、実車で起きる条件が認識に与える影響の分析と対策###　センサデータ基盤・表現設計センサデータの品質評価と仕様策定物理特性や信号ノイズを考慮したデータ仕様・入力表現（Representation）の設計下流モデル（E2Eモデル、Planning等）が扱いやすい、堅牢なデータ処理パイプラインの構築・改善###　データ・評価ループの構築（Data-Centric AI）難例（Hard Example）抽出、評価データ整備などの改善ループ構築実車ログ解析・失敗事例分析による精度・データ品質の継続的フィードバックシミュレーションでは見えない"実世界のふるまい"を読み解く評価プロセスの設計###　システム連携・アーキテクチャ設計Planningとのインターフェース設計E2Eモデル学習時の入力設計実車・シミュレーションを含めた評価基盤との連携###　自己位置推定・センサキャリブレーション（メイン領域）特性の異なるセンサ（GNSS / IMU / LiDAR / カメラ / 車輪速）を統合した自己位置推定の設計・実装・改善状態推定・フィルタ設計、誤差モデリング、出力する位置・姿勢の信頼度の設計位置推定の入力を揃えるためのキャリブレーション（内部・外部パラメータ推定）、座標変換、時刻同期の設計・改善実車で発生するノイズ・熱・アンテナ特性などを踏まえた補正ロジックの改善###　センサデータ基盤・表現設計センサデータの品質評価と仕様策定物理特性や信号ノイズを考慮したデータ仕様・入力表現（Representation）の設計下流モデル（E2Eモデル、Planning等）が扱いやすい、堅牢なデータ処理パイプラインの構築・改善###　データ・評価ループの構築（Data-Centric AI）難例（Hard Example）抽出、評価データ整備などの改善ループ構築実車ログ解析・失敗事例分析による精度・データ品質の継続的フィードバックシミュレーションでは見えない"実世界のふるまい"を読み解く評価プロセスの設計###　システム連携・アーキテクチャ設計Planningとのインターフェース設計E2Eモデル学習時の入力設計実車・シミュレーションを含めた評価基盤との連携ポジションの魅力精度を上げるために、手段を選べる 論文で出たばかりの手法の再現から自社データで学習した独自モデルまで、いまの技術スタックや既製のアノテーションツールでできる範囲に合わせる必要はありません。改善のサイクルを自社で回せる 自社でタクシー事業を運行しているため、生の実車データが毎日蓄積されます。どんなセンサをいくつ、どこに付けるかまで自分たちで決められるので、集めたデータで改善し、実車で確かめるところまでを自分たちの判断だけで進められます。正解データを作る仕組み全体を設計できる 毎日溜まるデータに人手だけで追いつくことはできないため、自動化が前提になります。自動化のためのモデルを学習させる目的で大規模な人手アノテーションに投資することも含め、どこを自動に任せるかから設計できます。作った正解データが、そのまま学習データになる 認識の出力は、E2Eモデルの学習データそのものになります。正解データの質がモデルの性能に直結するため、MLエンジニアと連携しながら「どこまでの精度が本当に必要か」に踏み込んで開発できます。フリートの管理を、設備ごと設計できる 大規模なフリートを運用する前提があるため、車両が増えても人手を増やさずに回す必要があります。キャリブレーションや点検のオペレーションを、ソフトウェアに限らず設備まで含めて見直し、作業時間と精度を同時に改善できます。推定した軌跡が、そのまま学習データの土台になる 自車の位置・姿勢の推定結果は、E2E モデルの学習データを作る土台になります。軌跡の質がそのまま学習データの質に効くため、ML エンジニアと連携しながら「モデルが本当に必要とする精度と速さは何か」に踏み込んで開発できます。参考情報newmo CTOが語る、自動運転の今と未来予測〜フィジカルAI・山の登り方・偶然と制約〜newmo 技術ブログnewmo、シリーズA総額で179億円の調達を完了。累計調達金額は199億円に到達、自動運転タクシーへ本格参入

newmoは「移動で地域をカラフルに」をミッションに掲げ、ライドシェア・タクシー事業を展開するスタートアップです。全国各地で地域交通の課題解決を目指し、持続可能な移動手段を提供することで、新しいモビリティの未来を創造しています。 newmoのミッションに強く共感し、即戦力として事業の成長を牽引できる方とぜひお話ししたいと考えています。 まずはカジュアル面談からスタートし、お互いの相性を確認したうえで、具体的な選考に進む形を想定しています。 ご興味をお持ちいただける方は、ぜひエントリーください。 ◆想定される仕事や役割 経営の視点を持ちながらも、現場での実行（エグゼキューション）まで一貫して担い、事業を推進いただける方を求めています。戦略立案にとどまらず、自ら現場に入り込み、手を動かしながら成果を創出できる実行力のある方を歓迎します。 具体的には、以下のような業務に関与する可能性があります。 ・事業戦略の策定・実行 ・拠点責任者や事業責任者としての推進 ・タクシー・ライドシェア事業に関するオペレーション構築・改善 ・市場リサーチおよび新規事業開発 ・パートナー企業との連携・交渉

newmoにご興味をお持ちいただいた方向けの、オンラインでのカジュアルな面談です。選考ではなく、newmoが掲げるミッションや事業内容、働く環境について気軽にお話しする場として設けています。「まずは話を聞いてみたい」という段階の方も歓迎です。 ※ カジュアル面談という性質上、選考ではありませんが、応募状況やポジションとのマッチ度により、すべての方とお話しできるわけではない点をご了承ください。 オープンポジション一覧はこちら https://herp.careers/v1/newmo