Turing株式会社 の全ての求人一覧

チューリングでは、マルチモーダル生成AIを活用した完全自動運転の実現を目指しています。 下記の方はぜひご応募ください。 ・さまざまなポジションがあるけれど、自分がどのポジションがマッチするかわからない ・会社や事業についての説明をフラットに聞きたい。カジュアルになんでも話す場が欲しい 【参考情報】 ▼会社HP https://tur.ing/ ▼ Turing Tech Blog https://zenn.dev/p/turing_motors ▼チューリポ（オウンドメディア） https://tur.ing/turipo 【応募時のお願い】 ・応募時の書類（履歴書・職務経歴書）はPDF形式にてご提出いただきますようお願い申し上げます ・応募時の書類（履歴書・職務経歴書）やエントリーページの入力箇所に年収情報（現在年収や希望年収）を記載するのはお控えください 　- 年収情報については選考プロセスが進む中でHRよりヒアリングをさせていただきます

チューリングは完全自動運転の実現を目指すディープテックスタートアップです。 チューリングは、若い可能性をとても強く信じています。 それは、CEO自身が21歳の頃にタッチタイピングからプログラミングをはじめ、将棋の名人を倒すAIをつくり上げたように、「正しい課題と環境があれば、人は驚くほど成長できる」と知っているからです。 だからこそ私たちは、みなさんが大きく羽ばたけるフィールドを本気で用意しています。あなたがその一歩を踏み出す勇気を、心から待っています。 私たちは「完全自動運転の実現」を掲げ、日々本気で技術に向き合ってきました。現在では、東京都内を30分以上まったく人の介入なしで走行できる自動運転システムを実現するまでに成長しています。 これからは運転能力だけでなく、周囲の状況理解や言語理解も含めて賢く振る舞えるAIモデルへと進化させ、人間でも難しいシーンに対応できる未来をつくっていきます。 チューリングには、AI研究・ソフトウェア・車両など幅広い領域の専門チームがあり、皆さんの経験や興味に合わせてミッションをお任せします。ここでの挑戦は、間違いなくあなたの人生に大きな影響を与える時間になるはずです。 一緒に、これからの自動運転をつくっていきませんか？ みなさんと未来を描ける日を楽しみにしています。 ■ プロジェクト紹介 ‐フィジカル基盤モデル開発（VLA） Vision-Language-Action（VLA）モデルを中心に、視覚・言語・行動を統合した次世代の自動運転AIを開発します。世界的にもまだ事例の少ない領域で、最新論文や実装を参考にしながら探索的に開発を進め、人間に近い判断ができる自動運転モデルの実現を目指します。 ‐End-to-Endモデル開発（ML、強化学習、MLOps） 車載カメラ映像を入力に、単一の機械学習モデルで運転経路・制御を出力するEnd-to-End自動運転モデルを開発します。モデル実装からデータ設計、学習・評価、強化学習による性能向上、MLOpsによる継続的改善まで一気通貫で取り組みます。 ‐自動運転システム開発（組み込み、高速化・最適化） 開発した自動運転モデルを実際の車両で安定して動かすためのシステムを開発します。車載組み込みソフトウェア、制御系、OS・推論高速化、複数車種や次世代SoCへの対応など、実用化を見据えた開発を行います。 ‐インフラ開発（GPU基盤） 大規模モデル学習や実験を支えるGPUクラスタ・計算基盤を設計・運用します。分散学習環境や学習パイプラインを整備し、研究・開発を高速に回すための技術基盤を構築します。機械学習エンジニアが計算タスクに集中できる環境づくりがミッションです。 ■ 仕事内容 ・MLエンジニア フィジカル基盤モデル（VLA）やEnd-to-End自動運転モデルの開発を中心に、データ収集からモデル学習、評価まで幅広く担当します。最新研究を実装し、実車実験を通じてモデルを磨き込む経験ができます。 ‐業務例 End-to-End自動運転モデル／VLAモデルの実装 データ収集方針・計画の立案 データセットの作成・改善 学習アルゴリズムの実装・改良 モデル学習・推論コードの高速化 オートラベリングモデルの実装・改善 センサキャリブレーション・座標変換 論文調査・再現・実装 実車でのモデル評価・実験管理 など ・ソフトウェア／組み込みエンジニア 自動運転AIを支えるソフトウェア・システム・車載環境を開発します。クラウドから車載組み込みまで幅広いレイヤーを横断し、実用的な自動運転システムを構築します。 ‐業務例 データ・モデル改善を支えるシステム開発 MLOps基盤（学習〜デプロイ）の設計・自動化 内部ツール・サービスの実装 シナリオテストの設計・実装・改善 クローズドループシミュレータ開発 分散学習基盤との統合 画像・動画データ処理パイプラインの高速化 モデル全体のボトルネック分析・最適化 車両運動制御アルゴリズムの設計・実装 車載SoCへの実装・最適化 複数車種対応、フリート管理、OTA対応 CI/CD導入による開発生産性向上 実車での評価・チューニング など ・インフラエンジニア GPUクラスタや計算基盤を構築・運用し、機械学習エンジニアが計算リソースを最大限活用できる環境をつくります。オンプレ・クラウド双方の設計/運用に携わり、分散システムやネットワークの最適化まで含めたインフラ全般を担当します。 ‐業務例 GPUクラスタ・計算基盤の設計・構築 ネットワーク設計と高速化 ストレージシステムの効率化・最適化 クラスタリング技術の開発 クラウド上での計算環境整備・運用（AWS／GCP／Azure） 機械学習エンジニアが使いやすいインフラ設計 など ■チューリングで働く魅力 インターンとして研究を進め、成果をまとめた2本の論文がCVPR 2026年に採択されています。 https://tur.ing/news/20260225/ このように完全自動運転の開発は最新の研究テーマに携われる機会が多いため、論文に限らず対外的な成果を作り上げるのに適した環境です。 また、エンジニアとして成果を出すための開発支援ツールの利用も積極的に支援しています。ChatGPTやClaude Codeなど各種AIサービスを活用した開発環境に身を置くことができます。

◆本求人は、コンピュータサイエンスを専攻している or 機械学習やソフトウェア開発において実践的な開発経験を持つ学生を対象としています◆ チューリングは完全自動運転の実現を目指しているディープテックスタートアップです。 「We Overtake Tesla」をミッションに掲げ、創業Day1からEnd-to-End(E2E)の考え方を掲げ、自動運転AIの開発に取り組んできました。 現在では、東京都内を30分以上人間が介入することなく走行できる自動運転システムを開発するに至り、まさに今モデルが指数関数的な成長を見せるカーブの手前に位置していると捉えています。 これからはE2Eモデルをさらに発展させ、物理的な振る舞いと世界理解を統合したフィジカル基盤モデルとすることで、運転能力だけでなく、言語やマルチモーダルな理解を組み合わせ、人間にしか対応できなかったような難しいシーンにも対処できる自動運転AIを開発していきます。 我々は、これらの開発において、キーパーソンとなるのが学生時代からコンピュータサイエンスを学んできている若い才能であると強く信じています。 チューリングは、将棋AI「Ponanza」で史上初めて名人に勝利し、日本のAI史を塗り替えた山本を筆頭にテクノロジーを理解している経営メンバーが多数います。そのため、才能あるエンジニアが取り組むべき適切な課題と環境を用意し、皆さんの可能性を大きく広げることができます。 実際に開発チームのリーダーの半数は新卒メンバーが占めており、良い意味で新卒・中途の分け隔てはなく、新卒メンバーも事業のコア人材として活躍しています。 一緒にWe Overtake Teslaを掲げ、完全自動運転の実現を目指しませんか？ 皆さんからのエントリーをお待ちしています！ 【入社後の配属想定】 現在は下記のグループ・プロジェクトがあります。ご経験・志向性に応じてアサインをしていきます。 ※入社タイミングによって組織体制やプロジェクトは変更(進歩)している可能性が高いです。正社員として入社する前にインターンとして参画することもオススメします。 ◾️チーム・プロジェクト ・自動運転第1グループ：車載カメラの映像を入力に単一の機械学習モデルで経路を出力する(車の制御を求める)「End-to-End自動運転モデル」の開発を行っています。 [業務例] - E2E自動運転モデルの実装 - データ収集の方針/計画立案 - データセットの作成/改善 - モデル学習のアルゴリズム実装 - モデル学習コードの高速化 - 実車でのモデル評価/実験管理 - 先端論文の調査/再現/実装　など ・自動運転第3グループ：Vision-Language-Action(VLA)モデルをはじめとしたフィジカル基盤モデルの開発を行っています。 VLAモデルを使った自動運転は世界レベルで見てもまだ知見が少なく、最新の論文や開発事例を参考にし、探索的に開発に取り組んでいます。そのため、機械学習の知見だけでなく、さまざまなエンジニアリング要素を駆使してプロジェクトを進めています。 [業務例] - 自動運転VLAモデルの実装 - データキャリブレーションや異なるセンサデバイス間の座標変換 - オートラベリングモデルの実装/改善 - 論文や既存実装の調査/再現/実装 - 自社データセットを利用した既存実装の評価 - モデル量子化/最適化 - 実車でのモデル評価/実験管理　など

◆本求人は、コンピュータサイエンスを専攻している or 機械学習・ロボティクスいずれかの領域のソフトウェア開発において実践的な開発経験を持つ学生を対象としています◆ チューリングは完全自動運転の実現を目指しているディープテックスタートアップです。 「We Overtake Tesla」をミッションに掲げ、創業Day1からEnd-to-End(E2E)の考え方を掲げ、自動運転AIの開発に取り組んできました。 現在では、東京都内を30分以上人間が介入することなく走行できる自動運転システムを開発するに至り、まさに今モデルが指数関数的な成長を見せるカーブの手前に位置していると捉えています。 これからはE2Eモデルをさらに発展させ、物理的な振る舞いと世界理解を統合したフィジカル基盤モデルとすることで、運転能力だけでなく、言語やマルチモーダルな理解を組み合わせ、人間にしか対応できなかったような難しいシーンにも対処できる自動運転AIを開発していきます。 我々は、これらの開発において、キーパーソンとなるのが学生時代からコンピュータサイエンスを学んできている若い才能であると強く信じています。 チューリングは、将棋AI「Ponanza」で史上初めて名人に勝利し、日本のAI史を塗り替えた山本を筆頭にテクノロジーを理解している経営メンバーが多数います。そのため、才能あるエンジニアが取り組むべき適切な課題と環境を用意し、皆さんの可能性を大きく広げることができます。 実際に開発チームのリーダーの半数は新卒メンバーが占めており、良い意味で新卒・中途の分け隔てはなく、新卒メンバーも事業のコア人材として活躍しています。 一緒にWe Overtake Teslaを掲げ、完全自動運転の実現を目指しませんか？ 皆さんからのエントリーをお待ちしています！ 【入社後の配属想定】 現在は下記のグループ・プロジェクトがあります。ご経験・志向性に応じてアサインをしていきます。 ※入社タイミングによって組織体制やプロジェクトは変更(進歩)している可能性が高いです。正社員として入社する前にインターンとして参画することもオススメします。 ◾️チーム・プロジェクト ・自動運転第1, 第3グループ：「End-to-End自動運転モデル」や「VLAモデル」の開発やそのためのMLOps基盤を開発しています。 [業務例] こちらの業務例は複数チームの業務をまとめて記載しています。基本的にはご自身の知識や経験を活かしていずれかの業務(チーム)に従事することを想定してください。 - 機械学習エンジニアと協力し、データやモデルの継続的な改善 - クラウド等を活用した処理の自動化や内部ツール/サービスの実装 - システムアーキテクチャの設計 - シナリオテストの設計/実装/改善 - 3DGSベースのクローズドループシミュレータ開発 - 分散学習基盤との統合 - データキャリブレーションや異なるセンサデバイス間の座標変換 - 画像、動画データ処理パイプラインの高速化 - 現状のモデルのボトルネック分析と最適化 - 自動運転モデル全体の高速化 　 - モデル学習からデプロイまでのMLパイプラインの自動化（MLflow、Airflowなど） 　 - CI/CDの導入とエンジニアリング生産性の向上 - 車両運動制御システムやアルゴリズムの設計/実装 - 実車両を用いた制御性能の評価/チューニング　など ・自動運転第2グループ：E2E自動運転を支える車両・システムを開発しています。 データ収集のための車載システムや自動運転システムを開発しており、今後は複数車種への対応や次世代SoC・車載アーキテクチャへの対応に取り組んでいきます。 [業務例] - 様々な車種へ対応していくためのカーハック - 自動運転向けSoCへの実装と最適化 - CI/CDの導入とエンジニアリング生産性の向上 - フリート管理・OTAへの実装/改善 - 実用環境を意識した車載組み込み環境の構築 - PyTorchで学習されたモデルのonnxへの変換とオペレータの実装 - 実車でのモデル評価/実験管理　など

チューリングは完全自動運転の実現を目指すディープテックスタートアップです。 チューリングは、若い可能性をとても強く信じています。 それは、CEO自身が21歳の頃にタッチタイピングからプログラミングをはじめ、将棋の名人を倒すAIをつくり上げたように、「正しい課題と環境があれば、人は驚くほど成長できる」と知っているからです。 だからこそ私たちは、みなさんが大きく羽ばたけるフィールドを本気で用意しています。あなたがその一歩を踏み出す勇気を、心から待っています。 私たちは「完全自動運転の実現」を掲げ、日々本気で技術に向き合ってきました。現在では、東京都内を30分以上まったく人の介入なしで走行できる自動運転システムを実現するまでに成長しています。 これからは運転能力だけでなく、周囲の状況理解や言語理解も含めて賢く振る舞えるAIモデルへと進化させ、人間でも難しいシーンに対応できる未来をつくっていきます。 チューリングには、AI研究・ソフトウェア・車両など幅広い領域の専門チームがあり、皆さんの経験や興味に合わせてミッションをお任せします。ここでの挑戦は、間違いなくあなたの人生に大きな影響を与える時間になるはずです。 一緒に、これからの自動運転をつくっていきませんか？ みなさんと未来を描ける日を楽しみにしています。 ■ プロジェクト紹介 ‐フィジカル基盤モデル開発（VLA） Vision-Language-Action（VLA）モデルを中心に、視覚・言語・行動を統合した次世代の自動運転AIを開発します。世界的にもまだ事例の少ない領域で、最新論文や実装を参考にしながら探索的に開発を進め、人間に近い判断ができる自動運転モデルの実現を目指します。 ‐End-to-Endモデル開発（ML、強化学習、MLOps） 車載カメラ映像を入力に、単一の機械学習モデルで運転経路・制御を出力するEnd-to-End自動運転モデルを開発します。モデル実装からデータ設計、学習・評価、強化学習による性能向上、MLOpsによる継続的改善まで一気通貫で取り組みます。 ‐自動運転システム開発（組み込み、高速化・最適化） 開発した自動運転モデルを実際の車両で安定して動かすためのシステムを開発します。車載組み込みソフトウェア、制御系、OS・推論高速化、複数車種や次世代SoCへの対応など、実用化を見据えた開発を行います。 ‐インフラ開発（GPU基盤） 大規模モデル学習や実験を支えるGPUクラスタ・計算基盤を設計・運用します。分散学習環境や学習パイプラインを整備し、研究・開発を高速に回すための技術基盤を構築します。機械学習エンジニアが計算タスクに集中できる環境づくりがミッションです。 ■ 仕事内容 ・MLエンジニア フィジカル基盤モデル（VLA）やEnd-to-End自動運転モデルの開発を中心に、データ収集からモデル学習、評価まで幅広く担当します。最新研究を実装し、実車実験を通じてモデルを磨き込む経験ができます。 ‐業務例 End-to-End自動運転モデル／VLAモデルの実装 データ収集方針・計画の立案 データセットの作成・改善 学習アルゴリズムの実装・改良 モデル学習・推論コードの高速化 オートラベリングモデルの実装・改善 センサキャリブレーション・座標変換 論文調査・再現・実装 実車でのモデル評価・実験管理 など ・ソフトウェア／組み込みエンジニア 自動運転AIを支えるソフトウェア・システム・車載環境を開発します。クラウドから車載組み込みまで幅広いレイヤーを横断し、実用的な自動運転システムを構築します。 ‐業務例 データ・モデル改善を支えるシステム開発 MLOps基盤（学習〜デプロイ）の設計・自動化 内部ツール・サービスの実装 シナリオテストの設計・実装・改善 クローズドループシミュレータ開発 分散学習基盤との統合 画像・動画データ処理パイプラインの高速化 モデル全体のボトルネック分析・最適化 車両運動制御アルゴリズムの設計・実装 車載SoCへの実装・最適化 複数車種対応、フリート管理、OTA対応 CI/CD導入による開発生産性向上 実車での評価・チューニング など ・インフラエンジニア GPUクラスタや計算基盤を構築・運用し、機械学習エンジニアが計算リソースを最大限活用できる環境をつくります。オンプレ・クラウド双方の設計/運用に携わり、分散システムやネットワークの最適化まで含めたインフラ全般を担当します。 ‐業務例 GPUクラスタ・計算基盤の設計・構築 ネットワーク設計と高速化 ストレージシステムの効率化・最適化 クラスタリング技術の開発 クラウド上での計算環境整備・運用（AWS／GCP／Azure） 機械学習エンジニアが使いやすいインフラ設計 など ■チューリングで働く魅力 インターンとして研究を進め、成果をまとめた2本の論文がCVPR 2026年に採択されています。 https://tur.ing/news/20260225/ このように完全自動運転の開発は最新の研究テーマに携われる機会が多いため、論文に限らず対外的な成果を作り上げるのに適した環境です。 また、エンジニアとして成果を出すための開発支援ツールの利用も積極的に支援しています。ChatGPTやClaude Codeなど各種AIサービスを活用した開発環境に身を置くことができます。

◆本求人は、自動運転・コンピュータビジョン・LLM・NLP・フィジカルAIのいずれかの領域で専門性を持つMLエンジニアを対象としています◆ チューリングは完全自動運転の実現を目指しているディープテックスタートアップです。 「We Overtake Tesla」をミッションに掲げ、創業Day1からEnd-to-End(E2E)の考え方を掲げ、自動運転AIの開発に取り組んできました。 現在では、東京都内を30分以上人間が介入することなく走行できる自動運転システムを開発するに至り、まさに今モデルが指数関数的な成長を見せるカーブの手前に位置していると捉えています。 これからはE2Eモデルをさらに発展させ、物理的な振る舞いと世界理解を統合したフィジカル基盤モデルとすることで、運転能力だけでなく、言語やマルチモーダルな理解を組み合わせ、人間にしか対応できなかったような難しいシーンにも対処できる自動運転AIを開発していきます。 ■MLオープンポジションについて 本ポジションは、MLエンジニアをご志望の方で、現在公開中の募集ポジションに適合するものが見つからない方向けの応募フォームです。 書類選考後、ご希望やご経験に応じた適切なポジションを検討する マッチング面談 を設定いたします。 応募時「応募先へのメッセージ」欄には、以下を自由にご記入ください。 ・ご自身の強み・得意分野 ・希望する業務内容やアプローチ ・これまでの研究/開発の取り組み（再現実装、運用、改善など） ■想定ポジション例 ・2010_MLエンジニア / Machine Learning Engineer（自動運転モデル開発） [https://herp.careers/v1/turing/oMZZ-LyQ683f](https://herp.careers/v1/turing/oMZZ-LyQ683f) ・2011_MLエンジニア / Machine Learning Engineer（自動運転VLAモデル開発） [https://herp.careers/v1/turing/aHze1GwzB0ZG](https://herp.careers/v1/turing/aHze1GwzB0ZG) ■具体的な業務内容（例） ・論文や既存実装の調査・再現・実装 ・自社データセットを利用した既存実装の評価 ・実車でのモデル評価・実験管理 ・自動運転VLAモデル / E2E自動運転モデルの実装 ・データセットの作成・改善 ・オートラベリングの実装・改善 ■モデル開発のアプローチは？ チューリングでは、データセントリックなアプローチ と モデルセントリックなアプローチ の両面で開発を進めています。 E2E自動運転はまだ正解がありません。あなたが開発したモデルが、次世代の自動運転のスタンダードとなる可能性があります。 答えのないフィールドでさまざまなアプローチを一緒に探索しましょう。 ■自分のつくったモデルを実車で試して改善していく 「データセットやモデルを作る → 走行実験 → 実験ログ解析 → モデルの管理」という流れで自動運転AIを進化させていきます。 自身のつくったモデルを五感で捉えながら改善サイクルを回していきます。机上だけでなく、現実世界からのフィードバックを開発に活かしてください。

◆本求人は、自動運転・コンピュータビジョン・機械学習のいずれかの領域で専門性を持つMLエンジニアを対象としています◆ チューリングでは、車載カメラの映像を入力に単一の機械学習モデルで車の制御を求める「End-to-Endの自動運転MLモデル」の開発を行っています。 自動運転モデル開発は、機械学習だけでなくさまざまな技術の総合格闘技です。データ収集、データセット作成（データ品質改善※キャリブレーションや座標変換など）、モデル学習（モデルアーキテクチャ検討・学習効率化など）といった形で多くの活躍フィールドがあります。 自動運転開発の経験があるエンジニアはもちろん、ソフトウェア業界やロボティクス業界など、異なるバックグラウンドで卓越した技術を有するエンジニアを探しています。一緒に人類のグランドチャレンジを達成しましょう。 【業務内容】 モデルアーキテクチャの改善だけでなく、データ品質・量の改善などさまざまな課題解決に取り組んでいます。以下にあげる業務は一例ですが少しでも自身の経験と関連あるものをお持ちな方はぜひ前向きに応募をご検討ください ◆具体例 ・End-to-End の自動運転モデルの実装 ・データ収集の方針・計画立案 ・データセットの作成・改善 　・オートラベリングモデルの実装・改善 　・カメラ・センサーキャリブレーション ・モデル学習のアルゴリズム実装 ・モデル学習コードの高速化 ・実車でのモデル評価・実験管理 ・先端論文の調査・再現・実装 【モデル開発のアプローチは？】 データセントリックなアプローチとモデルセントリックなアプローチの2種類で開発を進めています。データの品質においてさまざまな要因で課題が生まれるケースもあれば、モデルのアーキテクチャやバックボーンの探索など、広い範囲で試せることが多いです。また大規模なGPUクラスタで多くの学習を回すため、学習コード高速化などにも取り組んでいこうと思っています。 E2E自動運転はまだ正解はありません。あなたが開発したモデルが次世代の自動運転のスタンダードとなる可能性があります。 【自分のつくったモデルを実車で試して改善していく】 「データセットやモデルを作る→走行実験→実験ログ解析実験→モデルの管理」という流れで自動運転AIを進化させていきます。自身のつくったモデルを五感で捉えながら改善サイクルを回していきます。机上だけでなく、現実世界からのフィードバックを開発に活かしてください。

◆本求人は、機械学習・自動運転・コンピュータビジョンのいずれかの領域で専門性を持つMLエンジニアや、大規模なMLOps・データ基盤開発に取り組んできたソフトウェアエンジニア、あるいはロボティクス領域でMLやソフトウェアエンジニアリングに取り組んできた方を対象としています◆ チューリングでは、車載カメラの映像を入力に車の制御を行う「End-to-endの自動運転モデル」の開発を行っています。チューリングのミッションは、完全自動運転レベルの自動運転システムの開発を行うことです。大きく2つの方向性でわれわれは開発を進めています。エキスパートドライバーのデータを模倣学習させ、数ミリオンほどのニューラルネットワークで多様なシーンを学習させるものと、Vision-Language-Actionモデル（VLAモデル）をはじめとした基盤モデルを車両で動かし、さまざまなシーンを判断させるものです。 VLAモデルを使った自動運転は世界レベルで見てもまだ知見が少なく、最新の論文や開発事例を参考にし、探索的に取り組んでいかねばなりません。そのためには機械学習の知見だけではなく、さまざまなエンジニアリング要素を駆使してプロジェクトを進めていく必要があります。 今回の求人ではそういった挑戦的な取り組みを進めるメンバーを募集しています。基盤モデルの学習パイプライン構築や、モデルの量子化・最適化などさまざまなレイヤーで開発イシューがあります。 【業務内容】 ※下記のうちの全てを担当するわけではなく、自身の強みを活かしたドメインで開発を進めつつ、他領域にも染み出しながら開発を進めていただきます ・データキャリブレーションや異なるセンサデバイス間の座標変換 ・データセットの作成・改善 ・論文や既存実装の調査・再現・実装 ・自社データセットを利用した既存実装の評価 ・モデル量子化・最適化 ・実車でのモデル評価・実験管理 ・自動運転VLAモデルの実装 ・オートラベリングの実装 【Embodied AIというテーマの最前線を楽しむ】 AIに身体性を持たせ、物理空間の中で価値を発揮する。そういったテーマにおいて自動運転はまさに人類がいま取り組んでいるものです。すでに社内で進んでいるプロジェクトのナレッジを活かしつつも、独自のMLパイプラインを構築していかなければなりません。レファレンスがほとんどない領域で開発を推進していただける方を探しています。 【自分のつくったモデルを実車で試して改善していく】 「データセットやモデルを作る→走行実験→実験ログ解析実験→モデルの管理」という流れで自動運転AIを進化させていきます。自身のつくったモデルを五感で捉えながら改善サイクルを回していきます。机上だけでなく、現実世界からのフィードバックを開発に活かしてください。 【こんな人が活躍しています】 - 研究機関出身の自然言語処理リサーチャー - システム開発会社でのシステムエンジニア/データサイエンティスト - 広告系メガベンチャー出身の機械学習/ソフトウェアエンジニア

◆本求人は、MLのバックグラウンドを持ち、大規模かつ最先端の開発に挑戦したいソフトウェアエンジニア向けのポジションです◆ チューリングでは、車載カメラの映像を入力に車の制御を行う「End-to-Endの自動運転MLモデル」の開発を行っています。 本ポジションでは、大規模分散学習システムの設計・実装から、学習パイプラインの最適化までを一貫して担っていただきます。膨大な走行データ（動画・車両ログ等）を前提に、学習リソースを最大限に活用しながら、スケーラブルで高性能な機械学習パイプラインを構築することがミッションです。 具体例 - データセットのライフサイクル全体を管理、大規模なデータ取得、処理、キュレーションのパイプラインを設計および実装 - ペタバイトオーダーのマルチモーダルデータを扱う学習基盤の構築 - 学習時の動画デコード処理の高速化 - 多様な情報を統合するためのシンプルかつ拡張性の高いデータスキーマ設計 など、エンジニアリングの力でモデル開発サイクルそのものを進化させていきます。 これらの取り組みを通じて、モデルの性能向上と開発速度の両立を実現し、システム全体のスケーラビリティとパフォーマンスを最大化することが期待される役割です。 既存の枠組みにとらわれず、次のスケールを見据えた学習基盤をゼロベースで設計・進化させることで、エンジニアリングの力で自動運転開発の限界を押し広げていきます。

◆本求人は、強化学習の領域で専門性を持つ強化学習エンジニア・リサーチャーを対象としています◆ チューリングは完全自動運転の実現を目指しているディープテックスタートアップです。 強化学習チームのミッションは、強化学習技術を用いて実世界で動作する頑健なE2E自動運転システムを実現することです．そのために、評価・学習に使用する3D Gaussian Splattingベースのシミュレータ，大規模分散強化学習基盤，制御システム（MPC等）に取り組んでいます。 ■強化学習エンジニアの業務内容 ・実世界で動作する頑健なE2E自動運転モデルの研究・開発を行います． ・E2E自動運転向けシミュレータの開発 ・大規模な分散強化学習基盤の構築 ・実世界で走行可能なE2E自動運転モデルを実現する強化学習アルゴリズムの研究・開発 ・実際の走行試験による強化学習モデルの性能検証

◆本求人は、機械学習を軸に、動画生成モデル・基盤モデルの大規模開発や、それを支えるMLOps／データ基盤、蒸留・最適化・実機デプロイに取り組んできた方を対象としています（自動運転／CV／ロボティクスの経験者歓迎）◆ Turingでは、車載カメラ映像を入力に車の制御まで行う End-to-endの自動運転モデル を開発しています。完全自動運転レベルの実現に向けて、模倣学習で鍛えるアプローチに加えて、近年進展の著しい動画生成・世界モデル系の潮流も取り込みながら、探索的に「当たり」を作りにいくフェーズにあります。 特に近年は、走行データだけでなく一般動画データも含む大規模事前学習（動画生成・自己教師あり学習など）が、下流タスク（行動予測・プランニング等）の性能を押し上げうるという流れが強くなっています。 そこでTuringでも、World Action Model（WAM）という考え方のもと、動画生成モデル／画像・動画基盤モデル（例：DINOv3、V-JEPA系の発想）／世界モデルといったモダンなモデル群を、学習のスケーリングから検証、下流タスクへの落とし込み、さらに蒸留・量子化・推論最適化を経て実機にデプロイするところまで一気通貫で推進したいと考えています。 今回の求人では、この挑戦的な取り組みを、研究だけで終わらせず「動くもの」に仕上げるメンバーを募集します。 【業務内容】 ・自動運転領域におけるWAM（World Action Model）を中心としたML開発 ・大規模事前学習（走行データ＋一般動画データ等を用いた学習スケーリング） ・動画生成モデル／世界モデルを用いたモデリング検討・実装・検証 ・自己教師あり学習に基づく画像・動画基盤モデル（例：DINOv3、V-JEPA系等）の検証・活用 ・下流タスク（例：行動予測・プランニング等）への適用、評価設計・改善 ・蒸留（distillation）等による小型化・高速化、量子化・推論最適化 ・実験基盤整備（データパイプライン、再現性、実験管理、モデル運用）の構築・改善 ・関連領域（Transformer、ロボティクス、世界モデル等）の論文調査・実装検証 【Physical AIというテーマの最前線を楽しむ】 AIに身体性を持たせ、物理空間の中で価値を発揮する。そういったテーマにおいて自動運転はまさに人類がいま取り組んでいるものです。すでに社内で進んでいるプロジェクトのナレッジを活かしつつも、独自のMLパイプラインを構築していかなければなりません。レファレンスがほとんどない領域で開発を推進していただける方を探しています。 【自分のつくったモデルを実車で試して改善していく】 「データセットやモデルを作る→走行実験→実験ログ解析実験→モデルの管理」という流れで自動運転AIを進化させていきます。自身のつくったモデルを五感で捉えながら改善サイクルを回していきます。机上だけでなく、現実世界からのフィードバックを開発に活かしてください。 【こんな人が活躍しています】 ・ロボティクス／世界モデル／自動運転（行動予測・プランニング等）のいずれかに強みを持ち、モデル開発をリードしてきた方 ・大規模データの前処理・フィルタリング・データ品質設計にこだわり、学習の再現性やスケーリングを現場で実現してきた方 ・研究室／企業研究所などで、探索的なテーマを「実装→検証→改善」まで落とし込み、成果につなげてきた方 ・関連分野の著名研究者や最新論文の仕事を素早くキャッチアップし、再現・発展させてプロダクト／実機検証に接続できる方

◆本求人は、Webサービス開発・MLOps、低レイヤーのソフトウェア開発（Linux / 組み込み含む）などを通じて、自動運転システム全体の成立に関わるソフトウェア領域で高い専門性を持つ方を対象としています◆ チューリングは完全自動運転の実現を目指しているディープテックスタートアップです。 「We Overtake Tesla」をミッションに掲げ、創業Day1からEnd-to-End（E2E）の考え方を掲げ、自動運転AIの開発に取り組んできました。現在では、東京都内を30分以上人間が介入することなく走行できる自動運転システムを開発するに至り、まさに今、モデルおよびシステム全体が指数関数的な成長を見せるカーブの手前に位置していると捉えています。これからはE2Eモデルをさらに発展させ、 物理的な振る舞いと世界理解を統合したフィジカル基盤モデルとすることで、 運転能力だけでなく、言語やマルチモーダルな理解を組み合わせ、 人間にしか対応できなかったような難しいシーンにも対処できる自動運転AIを開発していきます。 ■ ソフトウェアエンジニアに期待すること この挑戦を前に進めるうえで鍵になるのが、ソフトウェアの力で「学習〜検証〜実車」までの開発サイクルを高速に回し続け、 自動運転AIを“実世界で動くシステム”として成立させることです。モデル改善につながるデータが継続的に回り続ける仕組み走行実験・評価・解析が一体となって回る検証フローセンサ・推論・制御が連動した自動運転システム全体を、安全かつ高性能に動かすためのソフトウェア設計チューリングのソフトウェアエンジニアは、 単なる個別機能の実装に留まらず、自動運転AIの進化を“システムとして”成立させ続ける中核を担います。 ■ オープンポジションについて 本ポジションは、ソフトウェアエンジニアをご志望の方で、現在公開中の募集ポジションに適合するものが見つからない方向けの応募フォームです。 書類選考後、ご希望やご経験に応じた適切なポジションを検討するマッチング面談を設定いたします。 応募時「応募先へのメッセージ」欄には、以下を自由にご記入ください。 ・ご自身の強み・得意分野 ・希望する業務領域（設計・実装・運用・最適化 等） ・これまでの成果が分かる情報（GitHub、設計資料、プロジェクト概要、登壇 / 記事 等） ■ソフトウェアポジション例 ▽MLOps・モデル開発関連 3011_ソフトウェアエンジニア / Software Engineer（自動運転MLOps基盤開発） [https://herp.careers/v1/turing/Qc3t_q0FYFq](https://herp.careers/v1/turing/Qc3t_q0FYFq) 3012_ソフトウェアエンジニア / Software Engineer（自動運転VLAモデル開発） [https://herp.careers/v1/turing/lqrK5k1NqzyU](https://herp.careers/v1/turing/lqrK5k1NqzyU) 3013_ロボティクス・ソフトウェアエンジニア / Robotics Software Engineer（自動運転開発） [https://herp.careers/v1/turing/SMo30RyV5I9L](https://herp.careers/v1/turing/SMo30RyV5I9L) 3016_コンピュータービジョンエンジニア / Computer Vision Engineer（画像処理） [https://herp.careers/v1/turing/uMUjp4fFtvZ7](https://herp.careers/v1/turing/uMUjp4fFtvZ7) ▽自動運転システム開発関連 3032_ソフトウェアエンジニア / Software Engineer（OS・組み込みシステム、ファームウェア開発） [https://herp.careers/v1/turing/01gtnhsLWgVe](https://herp.careers/v1/turing/01gtnhsLWgVe) 3034_ソフトウェアエンジニア / Software Engineer（ミドルウェア、車載システム開発） [https://herp.careers/v1/turing/abHB5x7zASkv](https://herp.careers/v1/turing/abHB5x7zASkv) 3035_ソフトウェアエンジニア / Software Engineer（車載アプリケーション開発） [https://herp.careers/v1/turing/IFKgdYLwpdc7](https://herp.careers/v1/turing/IFKgdYLwpdc7)

◆本求人は、大規模・高信頼性が求められるデータ基盤および分散システムの開発・運用経験を有するソフトウェアエンジニアを対象としています◆ チューリングでは、車載カメラの映像を入力に車の制御を行う「End-to-Endの自動運転MLモデル」の開発を行っています。 開発をスケーリングしていくために、継続的なデータ改善・モデル改善を阻む様々なボトルネックの解消に、多岐にわたって取り組む必要があります。単なる基盤構築にとどまらず、チームを横断して課題を見つけ、仮説を立て、探索し、解決していくこと自体が本ポジションのミッションになります。 【業務内容】 ・ステイクホルダーと協力して、データやモデルの継続的な改善 ・大規模データ基盤の構築・運用 ・クラウドやオンプレミス環境を含めた、処理パイプライン・データ転送の最適化 ・内部ツール・API・Webサービスの設計・実装 ・システム全体を俯瞰したアーキテクチャ設計、パフォーマンスチューニング チューリングの開発対象は自動運転です。開発したソフトウェアは実際の車両に搭載され、物理世界で動作します。WebやSaaSとはまた違う技術的チャレンジがあります。強いMLエンジニアとソフトウェア・インフラが一体となって初めて実現できる領域で、これまでのエンジニアリング経験を活かし、人類のグランドチャレンジに挑めます。

◆本求人は、機械学習・自動運転・コンピュータビジョンのいずれかの領域で専門性を持つMLエンジニアや、大規模なMLOps・データ基盤開発に取り組んできたソフトウェアエンジニア、あるいはロボティクス領域でMLやソフトウェアエンジニアリングに取り組んできた方を対象としています◆ チューリングでは、車載カメラの映像を入力に車の制御を行う「End-to-endの自動運転モデル」の開発を行っています。チューリングのミッションは、完全自動運転レベルの自動運転システムの開発を行うことです。大きく2つの方向性でわれわれは開発を進めています。エキスパートドライバーのデータを模倣学習させ、数ミリオンほどのニューラルネットワークで多様なシーンを学習させるものと、Vision-Language-Actionモデル（VLAモデル）をはじめとした基盤モデルを車両で動かし、さまざまなシーンを判断させるものです。 VLAモデルを使った自動運転は世界レベルで見てもまだ知見が少なく、最新の論文や開発事例を参考にし、探索的に取り組んでいかねばなりません。そのためには機械学習の知見だけではなく、さまざまなエンジニアリング要素を駆使してプロジェクトを進めていく必要があります。 今回の求人ではそういった挑戦的な取り組みを進めるメンバーを募集しています。基盤モデルの学習パイプライン構築や、モデルの量子化・最適化などさまざまなレイヤーで開発イシューがあります。 【業務内容】 ※下記のうちの全てを担当するわけではなく、自身の強みを活かしたドメインで開発を進めつつ、他領域にも染み出しながら開発を進めていただきます ・データキャリブレーションや異なるセンサデバイス間の座標変換 ・データセットの作成・改善 ・論文や既存実装の調査・再現・実装 ・自社データセットを利用した既存実装の評価 ・モデル量子化・最適化 ・実車でのモデル評価・実験管理 ・自動運転VLAモデルの実装 ・オートラベリングの実装 【Embodied AIというテーマの最前線を楽しむ】 AIに身体性を持たせ、物理空間の中で価値を発揮する。そういったテーマにおいて自動運転はまさに人類がいま取り組んでいるものです。すでに社内で進んでいるプロジェクトのナレッジを活かしつつも、独自のMLパイプラインを構築していかなければなりません。レファレンスがほとんどない領域で開発を推進していただける方を探しています。 【自分のつくったモデルを実車で試して改善していく】 「データセットやモデルを作る→走行実験→実験ログ解析実験→モデルの管理」という流れで自動運転AIを進化させていきます。自身のつくったモデルを五感で捉えながら改善サイクルを回していきます。机上だけでなく、現実世界からのフィードバックを開発に活かしてください。 【こんな人が活躍しています】 - 研究機関出身の自然言語処理リサーチャー - システム開発会社でのシステムエンジニア/データサイエンティスト - 広告系メガベンチャー出身の機械学習/ソフトウェアエンジニア

◆本求人は、機械学習・自動運転・コンピュータビジョンのいずれかの領域で経験のあるエンジニアや、大規模なMLOps・データ基盤開発に取り組んできたソフトウェアエンジニア、あるいはロボティクス領域でMLやソフトウェアエンジニアリングに取り組んできた方を対象としています◆ チューリングのミッションは、完全自動運転レベルの自動運転システムの開発を行うことです。 自動運転システム全体ではさまざまなモジュールがあり、それらがPub/Sub間通信でやりとりしています。依存関係はできる限りシンプルに開発しているものの、自動運転モデル開発やモデル精度向上のためにはさまざまなソフトウェアイシューを解決する必要があります。 今回の求人では、さまざまなレイヤーのソフトウェアイシューに対応できる方を募集しています。MLモデルの学習パイプライン構築や、モデルの量子化・最適化、センサーデータキャリブレーション、車両運動制御実装などさまざまなレイヤーで開発イシューがあります。 ※入社時は自身の強みを発揮して特定のイシューで活躍しつつ、さまざまなレイヤーに貢献範囲を広げていくことを期待しています 【業務内容】 ※下記のうちの全てを担当するわけではなく、自身の強みを活かしたドメインで開発を進めつつ、他領域にも染み出しながら開発を進めていただきます ・データキャリブレーションや異なるセンサデバイス間の座標変換 ・データセットの作成・改善 ・論文や既存実装の調査・再現・実装 ・自社データセットを利用した既存実装の評価 ・モデル量子化・最適化 ・実車でのモデル評価・実験管理 ・車両運動制御システムやアルゴリズムの設計・実装 ・実車両を用いた制御性能の評価・チューニング 【自分のつくったシステム・MLモデルを実車で試して改善していく】 「データセットやモデルを作る→走行実験→実験ログ解析実験→モデルの管理」という流れで自動運転AIを進化させていきます。自身のつくったモデルを五感で捉えながら改善サイクルを回していきます。机上だけでなく、現実世界からのフィードバックを開発に活かしてください。 【こんな人が活躍しています】 - 自動運転領域で開発経験のあるソフトウェアエンジニア - 自動車会社でソフトウェア／制御開発をしてきたエンジニア - システム開発会社でのソフトウェアエンジニア/制御エンジニア - 広告系メガベンチャー出身の機械学習/ソフトウェアエンジニア

◆本求人は、シミュレーション領域で専門性を持つエンジニアを対象としています◆ チューリングは完全自動運転の実現を目指しているディープテックスタートアップです。 当社では、End-to-End 自動運転モデルの研究開発を加速させるために、次世代のシミュレーション技術の構築に取り組んでいます。具体的には、評価・学習に使用する 3D Gaussian Splatting ベースのシミュレータ, 大規模分散学習基盤, 制御システム（MPC等）を組み合わせることで、実車実験に依存しない効率的でロバストな自動運転システム開発を推進しています。 本ポジションのシミュレーションエンジニアは、その基盤となるクローズドループシミュレータの設計・開発をリードし、MLエンジニアと連携しながら、自動運転技術の進化を加速させる役割を担います。 ■業務内容 - 3DGSベースのクローズドループシミュレータ開発 - End-to-End自動運転モデル開発支援 - 分散学習基盤との統合 【シミュレータ開発の目的】 大規模に生成された3DGSシーンを活用し、End-to-Endモデルの学習・評価を可能にする高精度シミュレーション環境を構築していきます。制御レイヤーや物理シミュレーションを統合し、実車実験に依存せず制御アルゴリズム探索を行える環境を実現しようと考えています 【モデル開発支援とは？】 強化学習や模倣学習に適したE2Eモデルの事前学習をサポートしていきます。また、制御レイヤーを含めた効率的なE2Eモデル探索を推進をしていただきます。 【分散学習基盤との統合について】 われわれは多様な交通シナリオや物理特性のランダム化に対応した堅牢なモデル学習を支えるシミュレーション環境を拡張していきます。 シミュレーション環境を全社で活用可能な共通基盤にするには、現状のモデル開発のデータパイプライン環境や学習基盤環境とシームレスに接続していく必要があります。 単にシミュレーターを作るのではなく、共通基盤としての構築を目指し、全社のモデル開発を支援していきます。

◆本求人は、機械学習・自動運転・コンピュータビジョンのいずれかの領域で経験のあるエンジニアや、大規模なMLOps・データ基盤開発に取り組んできたソフトウェアエンジニア、あるいはMLや低レイヤ領域のソフトウェアエンジニアリングに取り組んできた方を対象としています◆ チューリングのミッションは、完全自動運転レベルの自動運転システムの開発を行うことです。 自動運転システム全体ではさまざまなモジュールがあり、それらがPub/Sub間通信でやりとりしています。依存関係はできる限りシンプルに開発しているものの、自動運転モデル開発やモデル精度向上のためにはさまざまなソフトウェアイシューを解決する必要があります。 今回の求人では、自動運転AIのデータパイプラインを画像処理の専門性で支えるポジションです。動画・画像データをメインモダニティとするチューリングにおいて、画像のエンコード/デコードの知見は機械学習パイプライン全体へ寄与する重要な技術イシューです。複数のレイヤーにまたがって技術課題を解決します。 【業務内容】 ※下記のうちの全てを担当するわけではなく、自身の強みを活かしたドメインで開発を進めつつ、他領域にも染み出しながら開発を進めていただきます ・データキャリブレーションや異なるセンサデバイス間の座標変換 ・画像、動画データ処理パイプラインの高速化 ・実車でのモデル評価・実験管理 【自分のつくったシステム・MLモデルを実車で試して改善していく】 「データセットやモデルを作る→走行実験→実験ログ解析実験→モデルの管理」という流れで自動運転AIを進化させていきます。自身のつくったモデルを五感で捉えながら改善サイクルを回していきます。机上だけでなく、現実世界からのフィードバックを開発に活かしてください。 【こんな人が活躍しています】 - 自動運転領域で開発経験のあるソフトウェアエンジニア - カメラなどのエッジ環境で画像処理を経験したエンジニア - 自動車会社でソフトウェア／制御開発をしてきたエンジニア - システム開発会社でのソフトウェアエンジニア/制御エンジニア - 広告系メガベンチャー出身の機械学習/ソフトウェアエンジニア

◆ 本求人は、データ基盤・アプリケーション開発の経験をもつソフトウェアエンジニアを対象としています。E2E自動運転モデルの評価・分析基盤の設計・構築・運用がミッションです◆ チューリングでは、実世界の運転データログやシミュレーターのデータからモデルの品質・パフォーマンス評価を継続的に行い、モデルトレーニングとシステム改善に活かす評価基盤が不可欠です。分析基盤・BI活用・評価指標体系の設計を通じて、開発の意思決定を支える仕組みづくりを担っていただきます。 【業務内容】 - E2E自動運転モデルの評価指標体系の設計・実装・改善 - 自動運転走行データの分析、レポートプロセスの実装 - MLチームとの密な連携による評価要件の整理・合意形成 - 評価実行基盤および自動評価パイプラインの設計・構築・運用（Amazon EKS, AWS Lambda, Amazon API Gateway, FastAPI, PostgreSQL等） - DWHやBIツールを用いた評価ダッシュボード設計・共有(Databricks, PySpark等) 【正解のない世界で、評価基準をつくる】 自動運転は、AI・ソフトウェア・データが交差する人類規模の挑戦です。 その中で本ポジションが担うのは、自動運転モデルの「良し悪し」を客観的に定義し、共有可能な形にすることです。 E2E自動運転では、人間がルールを定義するのではなく、モデルが世界をどう理解し、どう判断したかが結果として現れます。そのため、「このモデルは本当に良くなっているのか」「どこが改善され、どこが課題なのか」を、感覚ではなくデータに基づいて説明できる評価基盤 が不可欠です。 これまで培ってきたデータ基盤・アプリケーション開発の経験を活かしながら、実走行データやシミュレーション結果をもとに評価指標・可視化を設計することで、モデルの状態を誰もが同じ軸で理解できるようにし、開発の意思決定を前に進める重要なポジションです。

◆本求人は、Web/SaaS開発を経験してきたWebエンジニア向けの求人です◆ 本ポジションでは、チューリングが開発するE2E（End-to-End）自動運転モデルの性能を評価・分析するためのWebダッシュボードおよびプラットフォームの開発を担当します。 自動運転の開発プロセスでは、膨大な走行データ、シミュレーションを活用したモデルの推論ログを、エンジニアを含めたステイクホルダーも直感的に理解できる形で提示する必要があります。単なる管理画面の制作ではなく、地図情報や空間データ、多系統のセンサーログを高度に融合させ、「自動運転の知能を解剖する」ためのビジュアライゼーション・プラットフォームを構築することがこのポジションのミッションです。 【具体的な業務内容】 ・自動運転AIの評価指標（KPI）、介入ポイントのログ、動画・センサーデータの同期再生機能などを備えたステイクホルダーが利用可能な高クオリティなWebアプリケーションの設計・開発 ・MapboxやDeck.glなどを用いた、空間データや車両ログのビジュアライゼーション ・ビジュアライゼーションサービスのバックエンド開発 ・複雑な自動運転データを「どう見せれば意思決定を加速できるか」という視点でのUI/UX提案と実装

◆本求人は、学習最適化、推論最適化に取り組んだMLや低レイヤ領域でソフトウェアエンジニアリングに取り組んできた方を対象としています◆ チューリングはマルチモーダル生成AIで完全自動運転の実現を目指しているディープテックスタートアップです。 今回の求人では、学習・推論最適化に対応できる方を募集しています。チューリングの自動運転技術で安定して車両を動かすために、AI技術や自動運転システムなどのソフトウェアレイヤーの要求を適切に理解し、各種ハードウェアのコントロールを担います。さまざまな機能を開発することはもちろんのこと、信頼性や保守性といった面でも高い性能を達成することがミッションとなります。 【業務のミッション】 自動運転モデルによる推論の実現に責任を持ちます。ハードウェアとコンパイラ、機械学習モデル構築の技術と知見のすべてを駆使し、計算資源の限られる車載環境内での安定した推論実行を実現することが求められます。 【業務内容】 ・自動運転向けSoCへの実装と最適化 ・自動運転モデル全体の高速化 　- モデル学習からデプロイメントまでのMLパイプラインの自動化（MLflow、Airflowなど） 　- CI/CDの導入とエンジニアリング生産性の向上 ・PyTorchで学習されたモデルのonnxへの変換とオペレータの実装 ・現状のモデルのボトルネック分析と最適化 ・車載システムで動作させるための適切なモデル構築と学習方法の選定

◆本求人は、Linux OSやカーネル、デバイスドライバなどのファームウェア開発経験を持つ方を対象としています◆ チューリングは完全自動運転の実現を目指しています。所属する自動運転システム開発をするチームは自動運転AIモデル開発チーム（E2Eチーム）と車両チームの中間に位置しており、自動運転システムを支えるソフトウェアの開発や試験などを行っています。 チューリングの自動運転技術で安定して車両を動かすために、AI技術などのソフトウェアレイヤーの要求を適切に理解し、自動運転システム向けソフトウェアの開発および評価を担います。さまざまな機能を開発することはもちろんのこと、安全性・信頼性・保守性といった面でも高い性能を達成することがミッションとなります。 具体的な仕事内容 本ポジションのエンジニアが開発するのは、自動運転システム向けECUのOSやカーネル、アプリケーション、センサーなどを対象としたファームウェアです。 ▼車両に近い領域や各センサに関わる領域においては、以下の業務がメインとなります。 ・ベアメタルもしくはRTOSによるファームウェアの開発 ・自社開発回路やセンサ類の仕様に基づいたソフトウェアの実装 ▼自動運転システムに近い領域では、以下の業務がメインとなります。 ・自動運転向けに最適化されたLinux OSの開発 ・各種周辺機器のLinuxデバイスドライバの開発 ・実車両を用いたデバッグや挙動の解析

◆本求人は、Linux環境でのソフトウェア・アプリケーション開発を経験している方やLinuxが得意（好き）な方を対象としています◆ チューリングは完全自動運転の実現を目指しているディープテックスタートアップです。 所属するチームはドライビングシステムチームであり、自動運転AIモデル開発チーム（E2Eチーム）と車両チームの中間に位置しており、自動運転システムに関わるソフトウェアのうち、E2Eチームが担当しているAI以外の範囲すべてを行っています。 具体的には、自動運転システムのソフトウェア開発や自社開発モデル用のデータ収集車両の開発・保守などです。 チューリングの自動運転技術で安定して車両を動かすために、AI技術やUIなどのソフトウェアレイヤーの要求を適切に理解し、自動運転システムにおける各種ハードウェアのコントロールを担います。 さまざまな機能を開発することはもちろんのこと、安全性・信頼性・保守性といった面でも高い性能を達成することがミッションとなります。 【具体的な業務内容】 ・組込みのSoC上で構築された自動運転システムのボトルネック特定やパフォーマンス改善 ・自動運転車で使用するセンサ制御ソフトの開発 ・Linux上で動く自動運転アプリケーションや関連するミドルウェアの開発 ・他開発チームや運用チームと連携した改善活動 など 【E2E自動運転AIに適した自動運転OS・ミドルウェアを作っていく】 チューリングでは国内にまだレファレンスのない独自のアプローチで自動運転AI開発を進めています。 AIモデルの入力に用いるカメラや制御する車両に合わせ、それらの仕様を鑑みた自動運転システム全体としての設計・開発を行う必要があります。 そのため、自動運転システムを支える組み込みソフトウェアやミドルウェア開発の経験がある人を求めています。 自動運転用エッジデバイスの計算能力が一定規模あるため、そのうえで動くソフトウェアやアプリケーション実装の知見が求められます。 下記の領域での開発経験があるとキャッチアップしやすいでしょう。 「家電」「マルチメディア」「テレビ」「パソコン」「音響」「カメラ」「楽器」「ネットワーク機器」「ゲーム」「バックエンドシステム全般」 ◼︎参考になるテックブログ チューリングの自動運転システム開発環境と、それを支える開発ツールたち https://zenn.dev/turing_motors/articles/d76005207e2b87 全プロセスが一秒止まる不具合、原因はLinuxカーネルにあり？ https://zenn.dev/turing_motors/articles/a460fe08b54253 全プロセスが一秒止まる不具合続編: カーネル内部で何が起きたか？ https://zenn.dev/turing_motors/articles/fdfb70b7a9d90b

◆本求人は、エッジデバイスやクラウドなど、いずれかの環境でアプリケーション開発のシニア経験をお持ちの方を対象としています◆ チューリングは完全自動運転の実現を目指しているディープテックスタートアップです。 当社の自動運転のアプリケーション（データ収集システムなど）を中心に、OTA（※1）やフリート管理など自動運転システムを構成するクラウド／サーバーサイド連携機能まで幅広く携わっていただきます。プロジェクトやフェーズに応じてアプリケーション層を主軸に開発しつつ、必要に応じて制御ソフトウェアやミドルウェアなど低レイヤーの開発にも参画できる柔軟な環境です。 【具体的な業務内容】 ・車載計算機上で動くLinuxのアプリケーションの開発 ・Webアプリケーションの開発 ・データ収集システムの開発・運用 ・OTA更新基盤の設計・開発 ・フリート管理プラットフォームの設計・開発 ・パフォーマンスチューニングおよび品質向上施策の実施 ※1: OTA（Over-the-Air）：ソフトウェアを無線通信でアップデートする技術のこと

◆本求人は、高度な低レイヤーソフトウェア開発、車載ソフトウェア開発のいずれかの領域で経験のあるエンジニアや、カーハッキングやE/Eアーキテクチャに精通したソフトウェアエンジニアリングに取り組んできた方を対象としています◆ チューリングのミッションは、完全自動運転レベルの自動運転システムの開発を行うことです。 自動運転システム全体ではさまざまなモジュールによって構成されています。そのシステムが多くの車両で動作するには、車両個別のネットワークやECU・ソフトウェア構成への解像度を高めていく必要があります。 この求人は、自動運転システムと車両のインテグレーションを加速させていくポジションです。機械学習モデル、車両システム、ECUなど複数のレイヤーにまたがって技術課題を解決します。 【業務内容】 ソフトウェア統合プロセス中に発生する問題を特定、分析、解決し、スムーズで信頼性の高いソフトウェアシステムを確保します。具体的には下記のタスクを進めます。 ・ECUやゲートウェイなど車載機器の脆弱性診断・侵入テスト ・CAN通信やEthernet通信の解析・リバースエンジニアリング ・車両と自動運転システム間のインターフェース設計および実装 ・OEM・Tier1との共同研究 ※上記のうちの全てを担当するわけではなく、自身の強みを活かしたドメインで開発を進めつつ、他領域にも染み出しながら開発を進めていただきます。

◆本求人は、自動運転システムに関わる車載GUI（自動運転UI・カーナビ）およびWebシステム（フリート管理・評価基盤等）のフロントエンド開発を幅広く担うエンジニア向けの求人です◆ 本ポジションでは、自動運転プロダクトにおけるあらゆる「ユーザーとの接点」を技術面からリードしていただきます。 Turingの自動運転開発では、ドライバーが触れる車載GUIから、車両管理・運用を支えるWebシステムまで、多様なフロントエンドが必要です。本ポジションでは、単なる画面実装にとどまらず、「自動運転に関わるあらゆるユーザー体験を最適化する」ことがミッションです。 【具体的な業務内容】 ・車載GUI（自動運転UI・カーナビ）の設計・開発(走行状態の表示、ナビゲーション、ドライバーへの情報提示など) ・フリート管理システムのフロントエンド設計・開発(車両状態の可視化、遠隔監視・操作UI、アラート管理など) ・プロダクトマネージャー、デザイナー、バックエンドエンジニアと協働し、ユーザー体験を最優先にしたフロントエンド開発 ・ユーザーテストやフィードバックを基にしたUI/UXの継続的な改善

◆本求人は、GPUクラスタの構築経験者やインフラ・ネットワークエンジニアを対象としています◆ チューリングは完全自動運転の実現を目指しているディープテックスタートアップです。 大規模なGPU計算環境を利用し、ビジョンベース自動運転のための深層学習モデルやレベル5自動運転に利用するマルチモーダル基盤モデル・世界モデルなどの研究開発を行っています。現在、インフラ基盤であるGPUクラスターを構築・運用していくインフラエンジニアを募集しています。機械学習エンジニアが計算タスクに集中できる環境を整備し、限られた計算資源を最適化することでチューリングの完全自動運転開発を最大化することがミッションです。 ◆インフラ/GPUクラスタエンジニアの業務内容 ・計算環境の物理設計や選定機器の設計 ・ネットワークの設計 ・ストレージシステムの効率化・高速化 ・クラスタリング技術の開発 ・クラウド環境上での計算環境の整備/運用 ◆具体的な業務内容 大規模GPU計算環境を使って完全自動運転の実現に向けたマルチモーダル基盤モデル・世界モデルを開発する。そのためのインフラの構築・運用などを主な業務とします。機械学習エンジニアにとって扱いやすい計算環境を構築してください。同時に、クラウド環境も積極的に活用しており、AWS/Azure/GCP上での計算環境も運用します。 今後、チューリングでは数年先を見据えた計算基盤の選定・設計・構築をしていく必要があります。来年末には次の世代の計算環境を作っていく予定です。2~3年周期でGPUクラスターを構築していくため、事業計画や投資計画などのビジネス/財務メンバーとコミュニケーションも実施していただきます。 【今のチューリングで働く魅力】 KaggleGrandMaster4名など非常に優秀な機械学習エンジニアが多く有する中で、ユーザーと非常に近い距離でコミュニケーションをとりながら計算基盤を最適化していくという経験はインフラエンジニアにおいても非常に大きく貴重な経験となると考えています。

◆本求人は、車両の整備などメカニックを経験している方を対象としています◆ チューリングは完全自動運転の実現を目指しているディープテックスタートアップです。マルチモーダルな基盤AIやEnd-to-Endの自動運転AI開発を行っています。自社でデータ収集から自動運転車へのデプロイまでを行っており、さまざまな技術的な挑戦をしている会社です。 自動運転AI開発においてデータの質は非常に大切です。そのため、チューリングではデータ収集においては、自社で車両を改造して日々データを集めています。こちらのポジションの方には、完成車をデータ収集者や自動運転車へ改造することや、車両の日々の保守運用を行っていただきます。 【具体的な業務内容】 ・車両の点検、整備業務 ・車両の故障診断、探求業務 ・車両のトラブル対応 ・車両のメンテナンス計画の策定及び運用 ・社内外ステークホルダーとの協働 ◾️メンテナンスやトラブル対応とは？ データ収集を長時間・長期間行っていると、タイヤの摩耗や車の各パーツやハードウェアの故障が起きます。故障に対して適切なメンテナンス・整備を行う場合、車両のデータ収集計画を鑑みた対応が必要です。パートナー会社さまとの調整を行い、データ収集が滞りなく行えるように車両改造・メンテナンスの全体進捗管理を行います。

【ポジション概要】 CXO（執行役員/渉外・事業統括）直下で、完全自動運転の実用化に必要な「技術の外側のすべて」を動かすポジションです。 事業開発チームは現在CXO含め2〜3名。少数精鋭のチームで、経済産業省Geniacをはじめとする数十億円規模の国家プロジェクト運用、国内OEM・Tier1パートナーとの戦略提携交渉、数百億円規模の計算資源調達に関わる折衝を担っています。1年以内にプロジェクト総額は数百億円規模に拡大する見込みであり、事業のスケールとスピードに対してチームの増強が急務です。 このポジションは「調整役」ではありません。エンジニアと直接連携しながら、自ら事業を設計・運用し、完全自動運転が公道を走るための条件を一つずつつくっていく — そんなパートナーを募集しています。 【なぜこのポジションが必要か】 当社はカメラ映像のみで、ハンドル・ブレーキ・アクセルすべての操作判断を行うEnd-to-End自動運転AIを開発しています。世界的にもここ数年で立ち上がったばかりの技術領域です。 ただし、技術だけでは車は公道を走れません。安全性評価の枠組み、OEMとの量産搭載に向けたロードマップ、学習データの収集体制、計算資源の確保 — こうした条件を一つずつ整える必要があります。 このポジションは、その条件づくりを一手に担います。 【業務内容】 以下の業務を、状況に応じて横断的に担当していただきます。 ① 国家プロジェクトの運用・推進 経済産業省等の政府公募事業への申請設計、採択後のコンソーシアム運用（仕様策定・進捗管理・予算執行）。数十億円規模のプロジェクトが進行中で、大手企業・研究機関と連携しています。1年以内に数百億円規模に拡大予定。 ② OEM・Tier1との戦略提携 国内大手自動車メーカーおよびTier1サプライヤーとの事業提携交渉、共同開発ロードマップの策定・推進、契約交渉。数年単位の長期パートナーシップを設計します。 ③ 中央省庁・政府機関との渉外 自動運転に関わる産業政策・規制の所管官庁との連携対応。制度面の課題に対し、行政側と協働して解決策を構築します。 ④ データ収集・インフラ構築 自動運転AIの学習に必要な大規模データの収集体制構築、数百億円規模の計算資源の調達・運用に関わるベンダー交渉・プロジェクト管理。エンジニアと連携し、技術要件を理解した上で推進します。 ⑤ 上記に収まらないすべて 2〜3名のチームで上記を回しているため、固定的な担当領域はありません。契約書レビュー、政府向けプレゼン作成、ベンダーとの技術すり合わせなど、日単位で業務が変わります。 【このポジションで得られるもの】 ・中央省庁レベルの国家プロジェクトを、受託者ではなく「主体」として設計・運用する経験 ・国内主要OEM複数社との戦略提携交渉を、執行役員直下でリードする立場 ・1年以内に数百億円規模に拡大するプロジェクト群を、初期メンバーとして動かす希少な機会 ・「日本発の完全自動運転」という産業史に残り得るテーマの、最前線で関わる機会

チューリングは完全自動運転の実現を目指しているディープテックスタートアップです。 昨年度、大型の資金調達を実施し、その資金を活用して技術開発・事業開発を加速させています。事業の順調な成長と組織の拡大に伴い、法務に関する課題も急増しており、このたび法務チームを新設することになりました。そこで、当社の一人目の法務担当として、法務部門の立ち上げをリードする法務スペシャリストを募集します。 【具体的な業務内容】 ビジネスリーガル： ・社外との各種契約対応（契約書作成・レビュー） ・知的財産管理 ・資本提携支援 コーポレートリーガル： ・株主総会の対応 ・取締役会設定検討＆運営サポート その他： ・法務関連のワークフロー構築 など 【今のチューリングで働く魅力】 ◆法務としての魅力 法務部門の立ち上げフェーズだからこそ、ゼロから組織を構築し、会社の成長とともに法務の基盤を築いていく経験ができます。また、単なる契約レビューにとどまらず、株主総会の運営、新たな技術/ビジネスモデルに対応する法務戦略の策定など、幅広い業務に携わることが可能です。 ◆会社としての魅力 急成長するスタートアップならではのスピード感がある中で、自動車という日本の基幹産業の変革に直接関われることが当社で働く魅力の一つだと考えています。 また、まだまだ小さな組織のため、経営陣や事業部と直接対話しながら手触り感をもって業務を行っていただけます。

チューリングは完全自動運転の実現を目指しているディープテックスタートアップです。 今回の募集は、経理領域の実務をリードし、月次・年次決算の安定運用、業務改善を推進するポジションです。 当社はシリーズAにおいてEquity・Debtの両面で大型の資金調達を行い、あわせて大型助成金の獲得なども進めながら、事業成長に向けた多額の投資を実行しています。こうした事業フェーズの変化に伴い、取引量の増加・会計論点の高度化が進む中で、経理体制の強化が急務となっています。 正確性とスピードを両立させた経理実務を行えるメンバーを募集します。 【具体的な業務内容例】 ・年次/四半期/月次決算業務 ・固定資産の管理 ・財務諸表の作成 ・税務申告業務全般 ・監査法人、税理士法人対応 ・組織の成長に伴う財務会計プロセス・システムの整備・改善 ・補助金獲得後の実務支援 ・その他上記に付随する業務 【このポジションの魅力】 ディープテック企業が継続的に成長していくために必要な、正確で迅速な会計情報の把握と経営判断を支える経理体制の構築に携わります。制度会計に加えて、管理会計や業務プロセス設計、監査対応、IPO準備などにも関与でき、スタートアップならではのスピード感の中で専門性と仕組みづくりの経験を積めます。 【チーム／体制】 ・レポートライン：財務・経営企画責任者/経理マネージャー ・経理組織構成：現在は経理マネージャー1名（財務・経営企画責任者が兼務）メンバー1名、業務委託3名 ・主要連携先：監査法人、顧問税理士、銀行、各部門 【利用ツール】 ・会計：freee ・経費：バクラク ・勤怠：HRMOS ・コミュニケーション／ドキュメント：Notion、Slack、Google Workspace ・AIツール：Claude、Chatgpt

チューリングは完全自動運転の実現を目指しているディープテックスタートアップです。 今回募集する経理マネージャーは、経理領域の実務〜マネジメントをリードし、月次・年次決算の安定運用、会計方針の検討、内部統制の整備、業務改善を推進するポジションです。 当社はシリーズAにおいてEquity・Debtの両面で大型の資金調達を行い、あわせて大型助成金の獲得なども進めながら、事業成長に向けた多額の投資を実行しています。こうした事業フェーズの変化に伴い、取引量の増加・会計論点の高度化が進む中で、経理体制の強化が急務となっています。 正確性とスピードを両立させた経理オペレーションの構築・改善に加え、会計方針の検討や監査法人対応についても責任を持って推進いただき、組織の基盤づくりを担っていただける、知識・経験の豊富な人材を募集します。 【具体的な業務内容例】 ・月次／四半期／年次決算の取りまとめ（スケジュール設計、レビュー、論点管理） ・仕訳・支払・入出金管理等の日常経理の管理／改善 ・監査法人対応（監査法人との窓口、資料準備、論点整理） ・税務対応（顧問税理士との連携、申告関連資料の準備、税務論点の整理） ・経理業務プロセスの整備・効率化（規程整備、運用定着、ツール活用） ・経理チームのマネジメント（採用、育成、評価、業務分担設計） ・内部統制／IPO準備に向けた体制整備、業務記述書・証跡整備 【チーム／体制】 ・レポートライン：財務・経営企画責任者 ・配下：経理メンバー（現在はメンバー1名、業務委託3名） ・主要連携先：監査法人、顧問税理士、銀行、各部門 【利用ツール】 ・会計：freee ・経費：バクラク ・勤怠：HRMOS ・コミュニケーション／ドキュメント：Notion、Slack、Google Workspace ・AIツール：Claude、Chatgpt

チューリングは完全自動運転の実現を目指しているディープテックスタートアップです。 創業から積極的な資金調達・補助金獲得によって事業拡大を行ってきており、2025年11月にはシリーズA 1st closeとして153億円の資金調達を実施しました。 現在のファイナンス組織はCFO、財務経理部部長、経理/経営管理担当2名、業務委託2名（経理業務サポート）で構成されていますが、会社が新たなステージに到達することを見据えてファイナンス組織の組織強化を今のタイミングで行うことに決めました。 現組織体制では、CFOが全体の財務戦略や資金調達を統括し、財務経理部部長と各担当者が経営企画・経営管理・経理業務全体の設計・運用を担当しています。今後、ファイナンス組織に求められる役割や機能の機能が拡大することを見据え、現在の財務経理部長が兼任しているファイナンスマネージャー業務を任せられる方を増員募集します。 【具体的な業務内容】 ・資金調達サポート ・投資家対応 ・銀行対応 ・証券会社対応 ・パートナー企業対応 ・中期経営計画の作成 ・組織の成長に伴う財務会計プロセス・システムの整備・改善 ・その他上記に付随する業務 【今のチューリングで働く魅力】 ディープテック企業が継続的に成長し、社会的インパクトを最大化していくためには、投資家や銀行との継続的・戦略的なコミュニケーションと信頼構築、そして継続的に大型調達を可能にする資金調達のオペレーションが欠かせません。チューリングではIR・資金調達領域を、単なる情報発信や事務的支援ではなく、事業拡大と組織価値向上の両輪を支える中核機能として位置づけています。 ファイナンスマネージャーのポジションでは、CEO・CFOと密に連携しながら、投資家資料の企画・作成、コミュニケーション設計、デューデリジェンス対応、資金調達プロセスの運営などを主導していただきます。経営に最も近い場所で意思決定に関わり、会社の成長ストーリーを社内外に発信しながら、チューリングの企業価値向上に直接的に貢献できる役割です。 また、本ポジションは担当領域が広く、IR実務に加えて、中期経営計画の作成、パートナー企業との協業推進、さらには中長期的なIPO準備の一部にも関与いただきます。スタートアップならではのスピード感の中で、実務スキルだけでなく、事業とファイナンスを横断的に理解する視点を磨きながら、自ら仕組みをつくっていく経験を得られる稀有な環境です。

チューリングは「We Overtake Tesla」を掲げ、完全自動運転システムの開発を目指すディープテックスタートアップです。 総務チームのミッションは 「開発の速度を最大化できる環境を作る」こと。エンジニア・研究者がオフィス環境や設備のことを一切気にせず開発に没頭できる状態をつくるのが私たちの仕事です。 オフィス・ラボの施設管理、工事プロジェクトの推進、外部業者との折衝など、スタートアップならではのスピード感で「モノが動く総務」を一緒に実現してくれる方を募集します。 ◾️具体的な業務内容 【施設管理・オフィス運営】 ・拠点の施設管理全般 ・オフィス環境の改善企画・実行（レイアウト変更、設備増設等） ・契約管理 ・会議室管理、来客対応、郵便物管理 【工事・プロジェクト管理】 ・オフィス改修・設備工事のプロジェクト推進（A/B/C工事の管理） ・工事スケジュール策定と開発チームへの影響調整 ・工事関連の法令確認・安全管理 【業者管理・コスト管理】 ・外部業者（建築・空調・電気・内装等）への見積依頼・交渉・発注管理 ・相見積もり取得と妥当性チェック ・施設関連予算の策定・実績管理 【総務オペレーション】 ・入退社時の座席準備・備品手配 ・社内イベント（オールハンズ、避難訓練等）の運営サポート ◾️このポジションの魅力 ・成長機会が豊富 バックオフィス業務の枠に留まらず、プロジェクト推進や業務改善など、成長を実感できる環境です。 ・経験を活かせるフィールド これまでの営業・営業推進・企画の業務、あるいは総務・労務・法務などのコーポレート系業務などの経験知見をフルに活用し、会社全体に関わる新しい挑戦ができます。 ・裁量のあるポジション 責任を持って幅広い業務を担当し、会社全体の成長を支えるやりがいを感じられます。

●会社概要および募集背景 チューリングは完全自動運転の実現を目指しているディープテックスタートアップです。 「We Overtake Tesla」をミッションに掲げ、創業Day1からEnd-to-End(E2E)の考え方を掲げ、自動運転AIの開発に取り組んできました。 現在では、東京都内を30分以上人間が介入することなく走行できる自動運転システムを開発するに至り、まさにこれからモデルが指数関数的な成長を見せることを確信しています。 そして、2025年11月にはシリーズA 1st closeとして153億円の資金調達を実施しました。 これからはE2Eモデルをさらに進化させ、物理的な振る舞いと世界理解を統合したフィジカル基盤モデルを開発します。ビジネスにおいては、量産車への搭載に向けた取り組みを加速させ、日本の自動車産業および社会経済の更なる発展に貢献していきます。 人類未踏の完全自動運転の実現に向け、市場に顕在化していない異分野のトップタレントや、スタートアップの最前線で戦う優秀なエンジニアを自らの手で見つけ出し、惹きつける。マネジメント業務を持たず、生涯現役のプロフェッショナルとして事業課題を直接解決する「最強のプレイヤー」としての役割を担っていただきます。 ●業務内容 ・最難関ポジションの採用実行： 　- 「End-to-End自動運転」や「VLAモデル」開発など、国内に経験者がほぼ存在しないような難関ポジションの採用においてソーシングからクロージングまでを一気通貫で実行。 ・現場 / 経営層との要件共創： 　- 現場からの要望を鵜呑みにせず、事業のコア課題から逆算して「どのような能力・経験を持つ人材がブレイクスルーをもたらすか」を仮説立てし、経営陣やエンジニアと対等に議論しながら採用要件をアップデートする。 ・「見えないタレント」の開拓とアプローチ： 　- 従来の採用媒体にとらわれず、GitHub・各種SNS・カンファレンス登壇履歴・論文などから独自のソーシングチャネルを開拓し、候補者へ直接アプローチを行う。 ・未知への挑戦の翻訳 / クロージング： 　- 他領域で活躍するトップタレントに対し、自動運転という未知のドメインへ飛び込むことの価値や、チューリングで得られるキャリアの面白さを真摯に伝え、入社への動機付けを行う。 ※本ポジションでは、メンバーの目標設定・評価といったピープルマネジメント業務は一切想定していません。プレイングに100%集中していただきます。

●会社概要および募集背景 チューリングは完全自動運転の実現を目指しているディープテックスタートアップです。 「We Overtake Tesla」をミッションに掲げ、創業Day1からEnd-to-End(E2E)の考え方を掲げ、自動運転AIの開発に取り組んできました。 現在では、東京都内を30分以上人間が介入することなく走行できる自動運転システムを開発するに至り、まさにこれからモデルが指数関数的な成長を見せることを確信しています。 そして、2025年11月にはシリーズA 1st closeとして153億円の資金調達を実施しました。 これからはE2Eモデルをさらに進化させ、物理的な振る舞いと世界理解を統合したフィジカル基盤モデルを開発します。ビジネスにおいては、量産車への搭載に向けた取り組みを加速させ、日本の自動車産業および社会経済の更なる発展に貢献していきます。 完全自動運転は2025年時点では人類が実現していない技術です。しかし、未来的には必ず実現している技術と強く信じています。 そのためには、チューリングが強く信じている技術への考え方を一緒に信じ、共に自動運転の実現を目指す仲間がまだまだ必要です。 今回は、チューリングの根幹とも言える「人」を、事業成長と連動させながら戦略的にリードできる採用マネージャー候補を募集します。 ●業務内容 ・チューリングの採用活動の包括的なリード ・会社方針や事業戦略と連動した採用戦略・計画の立案及び実行 ・マーケット情報やターゲット人材のインサイト獲得および戦略への反映 ・戦略的な母集団形成の仕組みを構築及び実行 ・社内外のステークホルダーを巻き込む採用活動のリード ・オペレーションメンバーとの有機的な連携 ・採用チームの組織開発およびメンバーマネジメント など

●会社概要および募集背景 チューリングは完全自動運転の実現を目指しているディープテックスタートアップです。 「We Overtake Tesla」をミッションに掲げ、創業Day1からEnd-to-End(E2E)の考え方を掲げ、自動運転AIの開発に取り組んできました。 現在では、東京都内を30分以上人間が介入することなく走行できる自動運転システムを開発するに至り、まさにこれからモデルが指数関数的な成長を見せることを確信しています。 そして、2025年11月にはシリーズA 1st closeとして153億円の資金調達を実施しました。 これからはE2Eモデルをさらに進化させ、物理的な振る舞いと世界理解を統合したフィジカル基盤モデルを開発します。ビジネスにおいては、量産車への搭載に向けた取り組みを加速させ、日本の自動車産業および社会経済の更なる発展に貢献していきます。 完全自動運転は2025年時点では人類が実現していない技術です。しかし、未来的には必ず実現している技術と強く信じています。 そのためには、チューリングが強く信じている技術への考え方を一緒に信じ、共に自動運転の実現を目指す仲間がまだまだ必要です。 今回は、チューリングの根幹とも言える「人」を、事業成長と連動させながら獲得できる採用担当を募集します。 ●業務内容 ・戦略的なタレント獲得案の計画および実行 ・採用対象者のリサーチ、マーケット情報獲得および戦略への反映 ・タレント獲得プロセスの改善、データドリブンな振り返り・施策実行 ・採用ペルソナに合わせた求人票の作成・更新 ・AI等を活用した採用プロセス改善 ・社内ステークホルダーとの連携 など

完全自動運転システムの開発を目指すスタートアップ「チューリング」で、エンジニアが開発に集中できるオフィス環境を支えるスタッフを募集します。 難しい専門知識は不要です。丁寧さと正確さで、チーム全体を支えてくれる方をお待ちしています。 【業務内容】 ・オフィスの巡回点検・環境維持（照明・空調・共用スペースの美観管理） ・来客の受付案内、会議室の準備・片付け ・郵便物・宅配便の受け取り・仕分け・社内通知 ・消耗品・備品の在庫管理・発注依頼 ・社内イベントの設営サポート、新入社員の座席準備 ・簡単なデータ入力 【参考情報】 ▼会社HP https://tur.ing/ ▼ Turing Tech Blog https://zenn.dev/p/turing_motors 【応募時のお願い】 ・応募時の書類（履歴書・職務経歴書）はPDF形式にてご提出いただきますようお願い申し上げます ・応募時の書類（履歴書・職務経歴書）やエントリーページの入力箇所に年収情報（現在年収や希望年収）を記載するのはお控えください 　- 年収情報については選考プロセスが進む中でHRよりヒアリングをさせていただきます

チューリングでは完全自動運転実現に向け、自動運転AI開発を行っています。 自動運転AIの開発は実際の走行データをAIに学習させ、車両に自動運転AIを搭載し、評価するサイクルを回します。そこで自動運転AIを開発するためのドライバー（データ収集 / テスト評価）を募集します。 5年後、10年後に完全自動運転を実現するために貢献してください。あなたの仕事が未来の自動運転技術の礎となります。 【具体的な業務内容】 ・一般道や高速道路などでの走行データ収集 ・自動運転AIのテスト走行 ・テスト走行完了後に走行時の状況などの報告（上長やエンジニアへの報告） 【データ収集業務において大事なこと】 いずれは自動運転AIのテストドライブ・評価の支援をしていただきます。そのため、自動運転AIの動きに適切なタイミングで介入することが重要です。あらゆる環境でチューリングが模範とする走行・運転を行ってください。 【1日の流れ】 1.出社 2.走行ルートの確認・当日の注意点など説明を受ける 3.走行を実施（適宜休憩を行う） 4.走行完了後、報告を行う 5.1日の勤務終了 ※運転免許をお持ちで長時間の運転が好きな方からの応募をお待ちしています。 ※簡単な報告やセッティングは発生しますが、運転以外の業務はほとんどありません。

チューリングでは完全自動運転実現に向け、自動運転AI開発を行っています。 自動運転AIの開発は実際の走行データをAIに学習させ、車両に自動運転AIを搭載し、評価するサイクルを回します。そこで自動運転AIを開発するためのドライバー（データ収集 / テスト評価）を募集します。 5年後、10年後に完全自動運転を実現するために貢献してください。あなたの仕事が未来の自動運転技術の礎となります。 【具体的な業務内容】 ・一般道や高速道路などでの走行データ収集 ・自動運転AIのテスト走行 ・テスト走行完了後に走行時の状況などの報告 【データ収集業務において大事なこと】 いずれは自動運転AIのテストドライブ・評価の支援をしていただきます。そのため、自動運転AIの動きに適切なタイミングで介入することが重要です。あらゆる環境でチューリングが模範とする走行・運転を行ってください。 【1日の流れ】 1.出社 2.走行ルートの確認・当日の注意点など説明を受ける 3.走行を実施（適宜休憩を行う） 4.走行完了後、報告を行う 5.1日の勤務終了 ※運転免許をお持ちで長時間の運転が好きな方からの応募をお待ちしています。 ※簡単な報告やセッティングは発生しますが、運転以外の業務はほとんどありません。

チューリングはマルチモーダル生成AIで完全自動運転の実現を目指しているディープテックスタートアップです。 現在バックオフィスで受け持つ事務や総務関連業務について、組織拡大に伴いオペレーション担当の増員を行います。会社全体を縁の下の力持ちとして支えてください。 【業務内容】 研究者やエンジニアの在籍が多数を占める開発スタートアップ企業でのバックオフィス総務チームで一般事務庶務や総務サポート業務を行っていただきます。 エンジニアメンバーが働きやすい、自分の仕事に集中できる環境を作ることをミッションとし、幅広い業務に対応します。 【具体的には・・・】 ・オフィスメンテナンス ・備品購入、整理 ・データ集計作業、案件管理作業（Excel、スプレッドシート） ・メール応対・電話応対、郵便宅配対応 ・マニュアル作成 ・役所への書類提出対応 ・バックオフィスメンバーの業務サポート など 業務内容についてはチームとして取り組むことを記載しておりますので、選考時にご経験やご希望を伺う中で内容を擦り合わせたいと考えています。 【現在の体制】 現在、コーポレートは4~5名体制です。総務関連の業務が増えており、チーム体制を強くしていくめに採用を行います。 【就業環境】 ・バリアフリートイレの業務フロア内設置 ・車椅子専用トイレの業務フロア内設置 ・エレベーター：有 ・階段手すり：有 ・建物入口段差：無 ・マイカー通勤：不可 ・障がい者用トイレ：有 ・玄関ドア：手動（基本的に常に開放しています） ・洋式トイレ：有 ・建物内車椅子の移動：可 【参考情報】 ▼会社HP https://tur.ing/ ▼ Turing Tech Blog https://zenn.dev/p/turing_motors 【応募時のお願い】 ・応募時の書類（履歴書・職務経歴書）はPDF形式にてご提出いただきますようお願い申し上げます ・応募時の書類（履歴書・職務経歴書）やエントリーページの入力箇所に年収情報（現在年収や希望年収）を記載するのはお控えください 　- 年収情報については選考プロセスが進む中でHRよりヒアリングをさせていただきます

About Turing ◆This role is open to ML engineers with expertise in one or more of the following domains: Autonomous Driving, Computer Vision, LLM, NLP, or Physical AI.◆ Turing is a deep-tech startup on a mission to achieve full self-driving. We have pursued an End-to-End (E2E) approach to autonomous driving AI since day one, under our mission "We Overtake Tesla." Today, our system can navigate Tokyo streets for 30+ consecutive minutes without human intervention — and we believe we are standing right at the inflection point of exponential model growth. Our next step is to evolve the E2E model into a Physical Foundation Model that unifies physical behavior with world understanding — combining driving, language, and multimodal reasoning to handle the complex, unpredictable scenes that only humans could previously manage. ■About this open position This is an open application form for ML engineer candidates who are interested in Turing but haven't found an exact match among our current active listings. After an initial document screening, we will arrange a matching interview to identify the most suitable team and role based on your background and interests. In the "Message to the team" field of your application, please feel free to share: -Your strengths and areas of expertise -The type of work or approach you are looking for -Your research/development experience (re-implementation, deployment, improvements, etc.) ■Example positions you may be matched to: ・2010 — ML Engineer (Autonomous Driving Model Development) [https://herp.careers/v1/turing/oMZZ-LyQ683f](https://herp.careers/v1/turing/oMZZ-LyQ683f) ・2011 — ML Engineer (Autonomous Driving VLA Model Development) [https://herp.careers/v1/turing/aHze1GwzB0ZG](https://herp.careers/v1/turing/aHze1GwzB0ZG) ■What you will work on ・Research, reproduce, and implement state-of-the-art papers and existing implementations ・Evaluate existing models and implementations against our proprietary datasets ・On-vehicle model evaluation and experiment management ・Implementation of autonomous driving VLA models and E2E self-driving models ・Dataset creation and improvement ・Auto-labeling pipeline development and improvement ■Our development approach ・We pursue both data-centric and model-centric approaches in parallel. ・E2E autonomous driving is still an open problem — the model you build could become the next industry standard. ・Join us in exploring every possible approach in an uncharted field. Our development cycle: Build dataset & model → Drive test → Analyze logs → Manage model. You will improve the system by experiencing your model in the real world, not just on paper.

◆This role is open to ML engineers with expertise in one or more of the following domains: Autonomous Driving, Computer Vision, or Machine Learning. At Turing, we are developing an End-to-End autonomous driving ML model — a single machine learning model that takes input from vehicle-mounted cameras and directly outputs vehicle control commands. Autonomous driving model development is a true multi-disciplinary challenge, spanning far beyond machine learning alone. There are many areas to contribute: data collection, dataset creation (data quality improvement, calibration, coordinate transforms), and model training (architecture design, training efficiency improvements), among others. We are looking for engineers with a background in autonomous driving — as well as engineers with outstanding expertise from software, robotics, or other industries. Let's tackle one of humanity's grand challenges together. ◾️What you will work on We work on a wide range of problems — not just model architecture improvements, but also data quality and quantity challenges. The examples below are just a subset; if any of them resonate with your experience, we encourage you to apply. ◆Example： ・Implementation of End-to-End autonomous driving models ・Planning and strategy for data collection ・Dataset creation and improvement -Auto-labeling model implementation and improvement -Camera and sensor calibration ・Implementation of model training algorithms ・Optimization and speed-up of model training code ・On-vehicle model evaluation and experiment management ・Research, reproduction, and implementation of state-of-the-art papers ◾️Our development approach We pursue both data-centric and model-centric approaches in parallel. Challenges arise from many angles — data quality issues with various root causes, architecture and backbone exploration — giving the team a wide solution space to work in. We also run large-scale training jobs on GPU clusters, so optimizing training code for speed is an active area of focus. E2E autonomous driving is still an open problem. The model you build could become the industry standard for the next generation of self-driving systems. 【Test your model in the real world】 Our development cycle: Build dataset & model → Drive test → Analyze experiment logs → Manage model. You will iterate on your models by experiencing them firsthand in a real vehicle — not just on paper. Use feedback from the physical world to drive your development forward.

About Turing ◆This role is open to ML engineers with expertise in machine learning, autonomous driving, or computer vision, as well as software engineers with experience in large-scale MLOps or data infrastructure development, or engineers who have worked on ML or software engineering in the robotics domain. At Turing, we are developing an End-to-End autonomous driving model — a system that takes input from vehicle-mounted cameras and directly controls the vehicle. Our mission is to develop a fully autonomous driving system. We are pursuing this through two main directions: training a neural network of several million parameters to imitate expert driver behavior across diverse scenarios, and running foundation models — including Vision-Language-Action (VLA) models — on the vehicle to handle a wide variety of driving situations. Applying VLA models to autonomous driving is still an emerging field even on a global scale, requiring us to explore the latest research papers and development cases while advancing the work experimentally. This means we need not only machine learning expertise, but also a wide range of engineering capabilities to drive the project forward. We are looking for members who are ready to take on these challenges. Development issues exist at many layers — from building training pipelines for foundation models to model quantization and optimization. ■What you will work on ※ You will not be responsible for all of the following. You will focus on areas where your strengths shine, while also expanding into adjacent domains. ・Data calibration and coordinate transformation between different sensor devices ・Dataset creation and improvement ・Research, reproduction, and implementation of papers and existing implementations ・Evaluation of existing implementations using our proprietary datasets ・Model quantization and optimization ・On-vehicle model evaluation and experiment management ・Implementation of autonomous driving VLA models ・Auto-labeling implementation ■Enjoy being at the frontier of Embodied AI Giving AI a physical presence and enabling it to deliver value in the real world — autonomous driving is exactly where humanity is pushing this frontier today. You will need to build unique ML pipelines while leveraging the knowledge already accumulated within the company. We are looking for someone who can drive development in a domain with almost no existing reference points. ■Test your model in the real world Our development cycle: Build dataset & model → Drive test → Analyze experiment logs → Manage model. You will iterate on your models by experiencing them firsthand in a real vehicle. Use feedback from the physical world to drive your development forward. ■Who is thriving in this role ・NLP researchers from research institutions ・System engineers / data scientists from system development companies ・ML / software engineers from large-scale ad-tech companies

About the role ◆This position is for software engineers with an ML background who want to take on large-scale, cutting-edge development challenges.◆ At Turing, we are developing an End-to-End autonomous driving ML model — a system that takes input from vehicle-mounted cameras and directly controls the vehicle. In this role, you will take ownership of the full stack — from designing and implementing large-scale distributed training systems to optimizing training pipelines. Working with massive volumes of driving data (video, vehicle logs, etc.), your mission is to build scalable, high-performance machine learning pipelines that make the most of available training resources. -Examples of what you will work on: ・Design and implement pipelines for large-scale data ingestion, processing, and curation, with full lifecycle management of datasets ・Build training infrastructure capable of handling petabyte-scale multimodal data ・Accelerate video decoding during training ・Design simple yet extensible data schemas for integrating diverse information Through these efforts, you will evolve the model development cycle itself through the power of engineering — achieving both improved model performance and faster development velocity, while maximizing the scalability and performance of the overall system. Unconstrained by existing frameworks, you will design and evolve training infrastructure from the ground up with the next scale in mind — pushing the boundaries of autonomous driving development through engineering.

-About the role- ◆This role is open to reinforcement learning engineers and researchers with expertise in the field of reinforcement learning.◆ Turing is a deep-tech startup on a mission to achieve full self-driving. The mission of our reinforcement learning team is to realize a robust E2E autonomous driving system that operates in the real world using reinforcement learning technology. To achieve this, we are working on a 3D Gaussian Splatting-based simulator for evaluation and training, a large-scale distributed reinforcement learning infrastructure, and control systems (such as MPC). ■What you will work on ・Research and development of robust E2E autonomous driving models that operate in the real world ・Development of simulators for E2E autonomous driving ・Building large-scale distributed reinforcement learning infrastructure ・Research and development of reinforcement learning algorithms to realize E2E autonomous driving models capable of real-world operation ・Performance validation of reinforcement learning models through actual driving tests

-About the role- ◆This role is open to engineers with a machine learning background who have worked on large-scale development of video generation models or foundation models, as well as the MLOps / data infrastructure, distillation, optimization, and on-device deployment that supports them. (Experience in autonomous driving / CV / robotics is a plus.)◆ At Turing, we are developing an End-to-End autonomous driving model that takes input from vehicle-mounted cameras and directly controls the vehicle. As we work toward full self-driving, we are in an exploratory phase — combining imitation learning with the rapid advances in video generation and world model research to actively find what works. In particular, large-scale pretraining on not only driving data but also general video data (video generation, self-supervised learning, etc.) has been shown to significantly boost downstream task performance (behavior prediction, planning, etc.), and this trend is growing stronger. With this in mind, Turing is pursuing a World Action Model (WAM) approach — a unified pipeline that spans modern model families such as video generation models, image/video foundation models (e.g., DINOv3, V-JEPA-style concepts), and world models — from training at scale, through validation and downstream task integration, to distillation, quantization, inference optimization, and final deployment on real vehicles. We are looking for members who can take these ambitious research directions all the way to something that actually works in the real world. ■What you will work on ・ML development centered on WAM (World Action Model) for autonomous driving ・Large-scale pretraining (scaling training with driving data + general video data, etc.) ・Modeling, implementation, and validation using video generation models and world models ・Validation and application of image/video foundation models based on self-supervised learning (e.g., DINOv3, V-JEPA-style, etc.) ・Application to downstream tasks (e.g., behavior prediction, planning), evaluation design, and improvement ・Model compression and acceleration via distillation, quantization, and inference optimization ・Building and improving experimental infrastructure (data pipelines, reproducibility, experiment management, model operations) ・Literature review and implementation validation in related areas (Transformers, robotics, world models, etc.) ■Enjoy being at the frontier of Physical AI Giving AI a physical presence and enabling it to deliver value in the real world — autonomous driving is exactly where humanity is pushing this frontier today. You will need to build unique ML pipelines while leveraging the knowledge already accumulated within the company. We are looking for someone who can drive development in a domain with almost no existing reference points. ■Test your model in the real world Our development cycle: Build dataset & model → Drive test → Analyze experiment logs → Manage model. You will iterate on your models by experiencing them firsthand in a real vehicle. Use feedback from the physical world to drive your development forward. ■Who is thriving in this role ・Engineers with strengths in robotics, world models, or autonomous driving (behavior prediction, planning, etc.) who have led model development ・Engineers who have pursued large-scale data preprocessing, filtering, and data quality design, and have achieved training reproducibility and scaling in practice ・Engineers from research labs or corporate research teams who have taken exploratory topics all the way from implementation → validation → improvement to tangible results ・Engineers who can quickly catch up with the work of leading researchers and recent papers, reproduce and extend them, and connect the results to product or on-vehicle validation

-About the role- ◆This role is open to engineers with deep expertise in software domains that contribute to the overall realization of autonomous driving systems — including web service development, MLOps, and low-level software development (including Linux and embedded systems). Turing is a deep-tech startup on a mission to achieve full self-driving. Under our mission "We Overtake Tesla," we have pursued an End-to-End (E2E) approach to autonomous driving AI since day one. Today, our system can navigate Tokyo streets for 30+ consecutive minutes without human intervention — and we believe we are standing right at the inflection point of exponential growth across both our models and the overall system. Our next step is to evolve the E2E model into a Physical Foundation Model that unifies physical behavior with world understanding — combining driving, language, and multimodal reasoning to handle the complex, unpredictable scenes that only humans could previously manage. ■What we expect from software engineers The key to pushing this mission forward is using the power of software to continuously accelerate the development cycle from training → validation → real vehicle, and to make autonomous driving AI work as a system in the real world. This means: ・A continuous data flywheel that keeps feeding model improvements ・A validation workflow where driving experiments, evaluation, and analysis operate as one integrated loop ・Software design that keeps the full autonomous driving system — sensors, inference, and control — running safely and at high performance Turing's software engineers are not simply implementing individual features. They are the core of what keeps autonomous driving AI advancing as a coherent system. ■About this open position This is an open application form for software engineer candidates who are interested in Turing but haven't found an exact match among our current active listings. After an initial document screening, we will arrange a matching interview to identify the most suitable team and role based on your background and interests. In the "Message to the team" field of your application, please feel free to share: ・Your strengths and areas of expertise ・The type of work you are looking for (design, implementation, operations, optimization, etc.) ・Information that demonstrates your past results (GitHub, design documents, project overviews, talks / articles, etc.) ■Example positions you may be matched to ▽MLOps & model development 3011 — Software Engineer (Autonomous Driving MLOps Infrastructure Development) https://herp.careers/v1/turing/Qc3t_q0FYFq 3012 — Software Engineer (Autonomous Driving VLA Model Development) https://herp.careers/v1/turing/lqrK5k1NqzyU 3013 — Robotics Software Engineer (Autonomous Driving Development) https://herp.careers/v1/turing/SMo30RyV5I9L 3016 — Computer Vision Engineer (Image Processing) https://herp.careers/v1/turing/uMUjp4fFtvZ7 ▽Autonomous driving system development 3032 — Software Engineer (OS, Embedded Systems & Firmware Development) https://herp.careers/v1/turing/01gtnhsLWgVe 3034 — Software Engineer (Middleware & In-Vehicle System Development) https://herp.careers/v1/turing/abHB5x7zASkv 3035 — Software Engineer (In-Vehicle Application Development) https://herp.careers/v1/turing/IFKgdYLwpdc7

-About the role- ◆This role is open to software engineers with experience developing and operating large-scale, high-reliability data infrastructure and distributed systems. At Turing, we are developing an End-to-End autonomous driving ML model — a system that takes input from vehicle-mounted cameras and directly controls the vehicle. To scale our development, we need to address a wide variety of bottlenecks that stand in the way of continuous data and model improvement. The mission of this role goes beyond simply building infrastructure — it is to identify problems across teams, form hypotheses, explore solutions, and drive resolution. ■What you will work on ・Continuous improvement of data and models in collaboration with stakeholders ・Building and operating large-scale data infrastructure ・Optimizing processing pipelines and data transfer across cloud and on-premises environments ・Designing and implementing internal tools, APIs, and web services ・System-wide architecture design and performance tuning Turing's development target is autonomous driving. The software you build will be deployed on real vehicles and operate in the physical world. This presents technical challenges unlike those in web or SaaS development. This is a domain where strong ML engineers and software/infrastructure engineers must work as one — and where your engineering experience can be applied to one of humanity's grand challenges.

-About the role- ◆This role is open to ML engineers with expertise in machine learning, autonomous driving, or computer vision, as well as software engineers with experience in large-scale MLOps or data infrastructure development, or engineers who have worked on ML or software engineering in the robotics domain. At Turing, we are developing an End-to-End autonomous driving model — a system that takes input from vehicle-mounted cameras and directly controls the vehicle. Our mission is to develop a fully autonomous driving system. We are pursuing this through two main directions: training a neural network of several million parameters to imitate expert driver behavior across diverse scenarios, and running foundation models — including Vision-Language-Action (VLA) models — on the vehicle to handle a wide variety of driving situations.Applying VLA models to autonomous driving is still an emerging field even on a global scale, requiring us to explore the latest research papers and development cases while advancing the work experimentally. This means we need not only machine learning expertise, but also a wide range of engineering capabilities to drive the project forward.We are looking for members who are ready to take on these challenges. Development issues exist at many layers — from building training pipelines for foundation models to model quantization and optimization. ■What you will work on ※ You will not be responsible for all of the following. You will focus on areas where your strengths shine, while also expanding into adjacent domains.・Data calibration and coordinate transformation between different sensor devices ・Dataset creation and improvement ・Research, reproduction, and implementation of papers and existing implementations ・Evaluation of existing implementations using our proprietary datasets ・Model quantization and optimization ・On-vehicle model evaluation and experiment management ・Implementation of autonomous driving VLA models ・Auto-labeling implementation ■Enjoy being at the frontier of Embodied AI Giving AI a physical presence and enabling it to deliver value in the real world — autonomous driving is exactly where humanity is pushing this frontier today. You will need to build unique ML pipelines while leveraging the knowledge already accumulated within the company. We are looking for someone who can drive development in a domain with almost no existing reference points. ■Test your model in the real world Our development cycle: Build dataset & model → Drive test → Analyze experiment logs → Manage model. You will iterate on your models by experiencing them firsthand in a real vehicle. Use feedback from the physical world to drive your development forward. ■Who is thriving in this role NLP researchers from research institutions System engineers / data scientists from system development companies ML / software engineers from large-scale ad-tech companies

-About the role- ◆This role is open to engineers with experience in machine learning, autonomous driving, or computer vision, as well as software engineers with experience in large-scale MLOps or data infrastructure development, or engineers who have worked on ML or software engineering in the robotics domain. Turing's mission is to develop a fully autonomous driving system. The overall autonomous driving system consists of various modules that communicate with each other via Pub/Sub messaging. While we keep dependencies as simple as possible, solving a wide range of software issues is essential for advancing autonomous driving model development and improving model accuracy. We are looking for engineers who can address software issues across multiple layers. Development challenges exist at many levels — from building ML model training pipelines and model quantization/optimization, to sensor data calibration and vehicle motion control implementation. ※ At the time of joining, we expect you to make an immediate impact by leveraging your existing strengths in a specific area, while gradually expanding your contributions across different layers over time. ■What you will work on ※ You will not be responsible for all of the following. You will focus on areas where your strengths shine, while also expanding into adjacent domains. ・Data calibration and coordinate transformation between different sensor devices ・Dataset creation and improvement ・Research, reproduction, and implementation of papers and existing implementations ・Evaluation of existing implementations using our proprietary datasets ・Model quantization and optimization ・On-vehicle model evaluation and experiment management ・Design and implementation of vehicle motion control systems and algorithms ・Evaluation and tuning of control performance using real vehicles ■Test your system and ML models in the real world Our development cycle: Build dataset & model → Drive test → Analyze experiment logs → Manage model. You will iterate on your models by experiencing them firsthand in a real vehicle. Use feedback from the physical world to drive your development forward. ■Who is thriving in this role Software engineers with development experience in the autonomous driving domain Engineers who have worked on software / control development at automotive companies Software engineers / control engineers from system development companies ML / software engineers from large-scale ad-tech companies

-About the role- ◆This role is open to engineers with expertise in the simulation domain.◆ Turing is a deep-tech startup on a mission to achieve full self-driving. To accelerate research and development of our End-to-End autonomous driving model, we are building next-generation simulation technology. Specifically, we are combining a 3D Gaussian Splatting-based simulator for evaluation and training, a large-scale distributed training infrastructure, and control systems (such as MPC) to enable efficient and robust autonomous driving development that is not dependent on real-vehicle testing. The Simulation Engineer in this role will lead the design and development of the closed-loop simulator that forms the foundation of this effort, working closely with ML engineers to accelerate the advancement of autonomous driving technology. ■What you will work on -Development of a 3DGS-based closed-loop simulator -Support for End-to-End autonomous driving model development -Integration with distributed training infrastructure ■Goal of simulator development We will build a high-fidelity simulation environment that leverages large-scale generated 3DGS scenes to enable training and evaluation of End-to-End models. We aim to integrate control layers and physical simulation to create an environment where control algorithm exploration can be conducted without relying on real-vehicle testing. ■What does "model development support" mean? We will support pretraining of E2E models suited for reinforcement learning and imitation learning, and drive efficient E2E model exploration including the control layer. ■Integration with distributed training infrastructure We will expand our simulation environment to support robust model training across diverse traffic scenarios and randomized physical properties. To make the simulation environment a shared infrastructure usable across the entire company, it needs to connect seamlessly with our existing model development data pipeline and training infrastructure. Rather than simply building a simulator, we aim to establish it as a company-wide common platform that supports model development across all teams.

-About the role- ◆This role is open to engineers with experience in machine learning, autonomous driving, or computer vision, as well as software engineers with experience in large-scale MLOps or data infrastructure development, or engineers who have worked on ML or low-level software engineering. Turing's mission is to develop a fully autonomous driving system. The overall autonomous driving system consists of various modules that communicate with each other via Pub/Sub messaging. While we keep dependencies as simple as possible, solving a wide range of software issues is essential for advancing autonomous driving model development and improving model accuracy. This position supports the autonomous driving AI data pipeline through image processing expertise. At Turing, where video and image data are the primary modality, knowledge of image encoding/decoding is a critical technical area that contributes to the entire machine learning pipeline. You will solve technical challenges that span multiple layers of the stack. ■What you will work on ※ You will not be responsible for all of the following. You will focus on areas where your strengths shine, while also expanding into adjacent domains. ・Data calibration and coordinate transformation between different sensor devices ・Acceleration of image and video data processing pipelines ・On-vehicle model evaluation and experiment management ■Test your system and ML models in the real world Our development cycle: Build dataset & model → Drive test → Analyze experiment logs → Manage model. You will iterate on your models by experiencing them firsthand in a real vehicle. Use feedback from the physical world to drive your development forward. ■Who is thriving in this role -Software engineers with development experience in the autonomous driving domain -Engineers with experience in image processing in edge environments such as cameras -Engineers who have worked on software / control development at automotive companies -Software engineers / control engineers from system development companies -ML / software engineers from large-scale ad-tech companies

About the role ◆This role is open to software engineers with experience in data infrastructure and application development. The mission is to design, build, and operate the evaluation and analytics infrastructure for E2E autonomous driving models. At Turing, continuously evaluating model quality and performance from real-world driving data logs and simulator data — and feeding those insights back into model training and system improvement — is essential. You will be responsible for building the systems that support development decision-making through analytics infrastructure, BI tooling, and evaluation metric design. ■What you will work on ・Design, implementation, and improvement of evaluation metric frameworks for E2E autonomous driving models ・Analysis of autonomous driving data logs and implementation of reporting processes ・Close collaboration with the ML team to define and align on evaluation requirements ・Design, build, and operation of evaluation execution infrastructure and automated evaluation pipelines (Amazon EKS, AWS Lambda, Amazon API Gateway, FastAPI, PostgreSQL, etc.) ・Design and sharing of evaluation dashboards using DWH and BI tools (Databricks, PySpark, etc.) ■Defining evaluation standards in a world without ground truth Autonomous driving is a humanity-scale challenge at the intersection of AI, software, and data. The role of this position within that challenge is to objectively define what "good" looks like for autonomous driving models — and make that definition shareable and actionable. In E2E autonomous driving, humans do not define the rules. What matters is how the model understands and interprets the world, and how that understanding translates into outcomes. That is why an evaluation infrastructure that can explain — based on data, not intuition — whether a model is genuinely improving, what has gotten better, and where the remaining challenges lie, is absolutely essential. By leveraging your experience in data infrastructure and application development to design evaluation metrics and visualizations based on real driving data and simulation results, you will make the state of the model understandable to everyone on a shared axis — and drive development decision-making forward. This is a critical role.

-About the role- ◆This role is open to web engineers with experience in web / SaaS development.◆ In this position, you will be responsible for developing the web dashboard and platform used to evaluate and analyze the performance of Turing's E2E (End-to-End) autonomous driving models. In the autonomous driving development process, the vast amounts of driving data and model inference logs from simulations need to be presented in a form that stakeholders — including engineers — can intuitively understand. The mission of this role is not simply to build an admin interface, but to construct a visualization platform that deeply integrates map data, spatial data, and multi-channel sensor logs to "dissect the intelligence of autonomous driving." ■What you will work on ・Design and development of high-quality web applications for stakeholders — featuring autonomous driving AI evaluation metrics (KPIs), intervention point logs, and synchronized playback of video and sensor data ・Visualization of spatial data and vehicle logs using Mapbox, Deck.gl, and similar tools ・Backend development for visualization services ・UI/UX proposals and implementation from the perspective of "how to present complex autonomous driving data in a way that accelerates decision-making"

-About the role- ◆This role is open to engineers with a background in ML or low-level software engineering who have worked on training optimization and inference optimization. Turing is a deep-tech startup working to achieve full self-driving through multimodal generative AI. We are looking for engineers who can take on training and inference optimization challenges. To keep vehicles operating stably using Turing's autonomous driving technology, you will need to deeply understand the requirements of software layers including AI systems and autonomous driving software, and take ownership of hardware control. Your mission will be to achieve not only a wide range of functional development, but also high performance in terms of reliability and maintainability. ■Mission You are responsible for realizing inference with autonomous driving models. You will be required to leverage all of your knowledge across hardware, compilers, and machine learning model development to achieve stable inference execution within the resource-constrained in-vehicle environment. ■What you will work on ・Implementation and optimization for autonomous driving SoCs ・Acceleration of the overall autonomous driving model 　- Automation of the ML pipeline from model training through deployment (MLflow, Airflow, etc.) 　- Introduction of CI/CD and improvement of engineering productivity ・Conversion of PyTorch-trained models to ONNX format and operator implementation ・Bottleneck analysis and optimization of existing models ・Selection of appropriate model architectures and training methods for deployment on in-vehicle systems