1011_機械学習エンジニア（データ収集〜ロボット基盤モデル開発）【正社員】

ポジションの概要

ロボット学習の土台となるデータ収集・整備を起点に、学習・評価のオペレーションを経て、模倣学習・強化学習によるモデル改善（アーキテクチャ変更含む）を担うロボット基盤モデル開発者へと、段階的に成長していくポジションです。

「まずデータとモデルの現場を一通り経験し、そこから本格的なモデル開発者へ」というキャリア形成を前提としています。大学院で機械学習を研究された方、または事業会社で機械学習の実務を数年経験された方を対象とし、研究または実務で培った機械学習のバックグラウンドと自走力を、当社の実プロダクト開発に接続していただくポジションです（ロボット領域の経験は問いません）。

Physical AIと呼ばれる「VLM（大規模視覚言語モデル）」「VLA（大規模視覚言語行動モデル）」や模倣学習・強化学習を、当社が新規開発する汎用型双腕ロボットやヒューマノイドロボットといったマニピュレータに実装していく——その最前線で、データからモデルまでを一貫して手がけられる環境です。

私たちと一緒に、国産AIロボットの開発を通じてフィジカルAIの社会実装に挑戦しませんか？

成長ステップ（このポジションの進み方）

このポジションは、以下のステップで段階的に担当領域を広げていくことを想定しています。習得のスピードや志向に応じて、各ステップの期間や重点は柔軟に調整します。

STEP 1｜データ収集・データ基盤の実務
実機テレオペレーションによるデータ収集を起点に、データの整備・品質管理・データセット運用までを一貫して担当。

STEP 2｜学習・評価のオペレーション
整備したデータを用いた学習ジョブの実行、モデル評価のオペレーターとして、モデル開発の一連の流れを実務で習得。

STEP 3｜モデル改善・開発への展開
模倣学習・強化学習を用いたモデル改善（アーキテクチャ変更を含む）へとステップアップ。ロボット基盤モデル開発の主戦力を目指す。

具体的な仕事内容

まず担当いただく領域：データ収集・データ基盤整備

• 実機（新規開発ロボット等）を用いた テレオペレーション による操作データ・デモンストレーションデータの収集
• 収集データのアノテーション、ラベリング、クリーニング
• データセットの品質チェックと管理（LeRobotDataset, Safetensors, rosbag / MCAP等でのフォーマット整備）
• モデル改善に用いるデータセットの管理・運用（バージョニング、再学習用データの整備等）
• モデル開発チームと連携し、必要なデータの要件整理

学習・評価のオペレーション

• 収集・整備したデータを用いた学習ジョブの実行
• モデル評価の実施と結果の整理

ステップアップ後に担当いただく領域

• 模倣学習・強化学習によるロボット行動生成モデルの開発・改善（アーキテクチャ変更を含む）
• LeRobot frameworkを用いた模倣学習の実装
• Diffusion Policy、ACTなどのアルゴリズムを活用したモデル改善
• NVIDIA Isaac Lab/Isaac Simを用いたシミュレーション・学習パイプラインの構築
• VLM/VLAの開発・ファインチューニング

チャレンジング領域（今後取り組む新しいデータ収集）

• 実機のテレオペデータにとどまらず、ウェアラブルデバイスを活用した新しいデータ収集手法の構築・運用
• 新規のデータ取得手法に応じたデータセット設計・パイプライン整備

開発環境

OS・インフラ

• OS：Linux (Ubuntu 22.04)
• インフラ：AWS, GPU環境（学習用）
• その他：Docker, GitHub Actions

使用言語・技術スタック

• 言語：Python
• フレームワーク：PyTorch, LeRobot (Hugging Face), RSL RL (PPO／IL→RLでのポリシー微調整用)
• ベースモデル：π0.5 (openpi), GR00T N1.7
• アルゴリズム：Diffusion Policy, ACT (Action Chunking Transformer), Flow Matching など
• シミュレーター：NVIDIA Isaac Lab, Isaac Sim
• データ管理：LeRobotDataset（データセット）, Safetensors（モデル）, rosbag / MCAP（実機ログ）
• 通信：gRPC / Protocol Buffers

開発ツール

• バージョン管理：Git (Git flow)
• コミュニケーション：Slack, Notion
• AI支援開発：Claude Code, Codex

このポジションの魅力

技術的な魅力

• 大学院での研究や、これまで培った機械学習の経験を、企業の実プロダクト（新規開発ロボット）に接続できる
• データ収集・整備という機械学習の土台から実務を学びながら、学習・評価のオペレーションを経て、模倣学習・強化学習・VLM/VLAという最先端領域に段階的に関わっていける
• 実機テレオペに加え、ウェアラブルデバイスを活用したデータ収集など、まだ確立されていない新しい領域にも挑戦できる
• 実機での検証機会が豊富で、自分が整備したデータやモデルがロボットとして動く様子を間近で見られる

組織・カルチャー

• 多様なバックグラウンドを持つエンジニアが国籍問わず在籍するグローバルな環境
• 国籍も年代も異なる様々なメンバーがフラットに意見を交わし合い、切磋琢磨できるカルチャー
• 得意分野を活かしながら、新しい領域にも挑戦し、スキルを磨ける機会が多くあります

キャリア・成長機会

• データ基盤・オペレーションを起点に、模倣学習・強化学習によるモデル開発の主戦力へとキャリアを広げていける
• 将来的には、扱うデータ種の拡大（ウェアラブルデバイス等）や新規タスクの立ち上げなど、データ起点で担当領域を広げていける
• 実装力を磨きながら、Physical AIという最先端領域で成長できる環境
• フレックス勤務を活用し、働きやすい環境で技術力を伸ばせます

参考情報

▼ コーポレートサイト
https://corp.ugo.plus/

▼ note
https://note.com/ugo_robot

▼ podcast ＜ugo Robotics Radio＞
https://open.spotify.com/show/51DueB6zSlbVzVXnGehD9y?si=86eaa8dcf06a4471

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

• 実務経験：社会人経験2〜3年以上（新卒・社会人未経験の方は本ポジションの対象外です）
• 機械学習の専門性：以下の いずれか を満たすこと
  • 大学院（修士以上）での機械学習に関する研究経験（VLM/VLA領域の研究経験があれば尚可）
  • 事業会社等での機械学習・データ関連業務の実務経験
  • ※ロボット領域の実務経験は問いません
• Python実務経験
• Gitを用いた開発経験
• 論文・技術ドキュメントを自分で読み込み、手を動かして実装・検証に落とし込める力

• 模倣学習、強化学習、VLM/VLA、Sim2Realに関する研究または実装経験
• LeRobot, Hugging Face Transformers, ROS/ROS2, Isaac Sim/Isaac Labの使用経験
• ロボット実機、センサー、アクチュエータを含む開発経験
• Kaggle等の機械学習コンペティションでの上位成績
• CVPR、ICCV、NeurIPS、ICLR、IROS、CoRL、ICRA等の学会での論文採択・発表経験
• スタートアップや少人数チームで設計・実装・検証を自律的に進めた経験

• 大学院での機械学習の研究、または事業会社での機械学習の実務で培った経験を、アカデミアではなくプロダクト開発に活かしたい方
• データ収集・オペレーションといった土台の業務にも本気で向き合い、その先のモデル開発を見据えて成長していける方
• 論文や技術ドキュメントを自分で読み込み、手を動かして検証できる方
• 新しい技術や未確立の領域に対して、自発的に学び・吸収していける自走力のある方
• フットワークが軽く、変化の速いスタートアップ環境を楽しめる方