a. End-to-Endモデル開発 の求人一覧 - Turing株式会社

◆本求人は、自動運転・コンピュータビジョン・LLM・NLP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 【業務内容】 ・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、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、データ基盤・分散システムなどの経験を持つ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（physical）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、Turing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