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】

仕事概要

## 募集背景

ugoは2026年9月、ロボット基盤モデル開発の本格化に向けて2つの発表をしました。

### [GENIACに採択（2026年9月9日発表）](https://ugo.plus/information/2026/09/09/geniac/)

経済産業省・NEDOの「ロボット基盤モデルの研究開発（GENIAC）」に、ugoのテーマが採択されました。双腕セミヒューマノイドで製造組立作業を自律化するための、VTLA（Vision-Tactile-Language-Action）モデルの開発です。

- 自社のロボット製造ラインで、触覚を含む約30万エピソードのデータを集めます
- データ収集キットの開発から、データ収集、モデル構築、実機での実証まで、すべて国内・自社で進めます
### [ugo Novaを発表（2026年9月16日発表）](https://ugo.plus/information/2026/09/16/ugo-nova/)

基盤モデル開発を前提に、アーキテクチャから設計し直した国産の双腕セミヒューマノイドです。2027年に量産を始める予定です。

- 頭部とハンド部にカメラを標準搭載
- テレオペレーションで動かした操作を、そのまま教師データとして記録できる
- NVIDIA Jetson Thorを搭載し、学習済みモデルを本体だけでリアルタイムに推論できる
モデルの性能は、データの量と質で決まります。
その土台となるデータ収集から入り、モデル開発まで手がけるエンジニアを募集します。

---

## 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が対象です。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きます（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きます。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
- マネジメント業務はありません。データ収集の仕組みづくりから実装まで、自分の手で進めます
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）

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
---

## このポジションの魅力

### 技術的な魅力

- **これまでの機械学習の経験を、実プロダクトに接続できる**
大学院での研究や実務で培った経験を、新規開発ロボットという企業の実プロダクトに活かせます。
- **土台から最先端まで、段階的に関われる**
データ収集・整備という機械学習の土台から実務を学び、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関わっていけます。
- **まだ確立されていない領域に挑戦できる**
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、新しい領域にも取り組めます。
- **実機での検証機会が豊富**
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、間近で見られます。
### 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
---

## チームの話を聴く（ugo Robotics Radio）

- [#45 ugo AI専門部隊が語る、フィジカルAIの最前線とugo novaで挑むデータ収集](https://podcasts.apple.com/jp/podcast/45-cross-talk-ugo-ai%E5%B0%82%E9%96%80%E9%83%A8%E9%9A%8A%E3%81%8C%E8%AA%9E%E3%82%8B-%E3%83%95%E3%82%A3%E3%82%B8%E3%82%AB%E3%83%ABai%E3%81%AE%E6%9C%80%E5%89%8D%E7%B7%9A%E3%81%A8ugo-nova%E3%81%A7%E6%8C%91%E3%82%80%E3%83%87%E3%83%BC%E3%82%BF%E5%8F%8E%E9%9B%86/id1856132363?i=1000793136662)
- [#46 ugo AI専門部隊が語る、「ロボットになったつもりで」取るデータと触覚への挑戦](https://podcasts.apple.com/jp/podcast/46-cross-talk-ugo-ai%E5%B0%82%E9%96%80%E9%83%A8%E9%9A%8A%E3%81%8C%E8%AA%9E%E3%82%8B-%E3%83%AD%E3%83%9C%E3%83%83%E3%83%88%E3%81%AB%E3%81%AA%E3%81%A3%E3%81%9F%E3%81%A4%E3%82%82%E3%82%8A%E3%81%A7-%E5%8F%96%E3%82%8B%E3%83%87%E3%83%BC%E3%82%BF%E3%81%A8%E8%A7%A6%E8%A6%9A%E3%81%B8%E3%81%AE%E6%8C%91%E6%88%A6/id1856132363?i=1000795810678)
---

## 業務内容

### 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
- 収集済みデータの検品（データが壊れていないかの確認）
- 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）
- データ収集パイプラインや、データの自動スクリーニングの実装
- 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**：Ubuntu 22.04 / 24.04 LTS、AWS、Runpod、NVIDIA GPU（H100 / H200）、NVIDIA Jetson、Docker、CUDA、SLURM、Kubernetes、GitHub Actions
- **言語・フレームワーク**：Python、C++、PyTorch、JAX、LeRobot、RSL-RL
- **分散学習・実験管理**：PyTorch DDP / FSDP、DeepSpeed、Weights & Biases
- **ロボティクス基盤**：ROS 2、URDF、TF2、MoveIt 2
- **基盤モデル（VLA）**：π0.5、GR00T N1.7、MolmoAct2
- **模倣学習・生成モデル**：Behavior Cloning、Diffusion Policy、ACT、Flow Matching、LoRA Fine-tuning
- **強化学習**：PPO、Actor-Critic、Sim-to-Real、Domain Randomization、Teacher-Student Distillation
- **シミュレーション**：NVIDIA Isaac Lab、Isaac Sim（PhysX、Newton）、MuJoCo
- **世界モデル**：NVIDIA Cosmos
- **データ・通信**：LeRobotDataset、Safetensors、rosbag / MCAP、ROS 2（DDS）、CAN / CAN FD、gRPC / Protocol Buffers、FlatBuffers、WebSocket
- **開発ツール**：Git、GitHub、Slack、Notion、Claude Code、Codex

必須スキル

## 募集背景

ugoは2026年9月、ロボット基盤モデル開発の本格化に向けて2つの発表をしました。

### [GENIACに採択（2026年9月9日発表）](https://ugo.plus/information/2026/09/09/geniac/)

経済産業省・NEDOの「ロボット基盤モデルの研究開発（GENIAC）」に、ugoのテーマが採択されました。双腕セミヒューマノイドで製造組立作業を自律化するための、VTLA（Vision-Tactile-Language-Action）モデルの開発です。

- 自社のロボット製造ラインで、触覚を含む約30万エピソードのデータを集めます
- データ収集キットの開発から、データ収集、モデル構築、実機での実証まで、すべて国内・自社で進めます
### [ugo Novaを発表（2026年9月16日発表）](https://ugo.plus/information/2026/09/16/ugo-nova/)

基盤モデル開発を前提に、アーキテクチャから設計し直した国産の双腕セミヒューマノイドです。2027年に量産を始める予定です。

- 頭部とハンド部にカメラを標準搭載
- テレオペレーションで動かした操作を、そのまま教師データとして記録できる
- NVIDIA Jetson Thorを搭載し、学習済みモデルを本体だけでリアルタイムに推論できる
モデルの性能は、データの量と質で決まります。
その土台となるデータ収集から入り、モデル開発まで手がけるエンジニアを募集します。

---

## 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が対象です。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きます（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きます。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
- マネジメント業務はありません。データ収集の仕組みづくりから実装まで、自分の手で進めます
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）

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
---

## このポジションの魅力

### 技術的な魅力

- **これまでの機械学習の経験を、実プロダクトに接続できる**
大学院での研究や実務で培った経験を、新規開発ロボットという企業の実プロダクトに活かせます。
- **土台から最先端まで、段階的に関われる**
データ収集・整備という機械学習の土台から実務を学び、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関わっていけます。
- **まだ確立されていない領域に挑戦できる**
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、新しい領域にも取り組めます。
- **実機での検証機会が豊富**
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、間近で見られます。
### 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
---

## チームの話を聴く（ugo Robotics Radio）

- [#45 ugo AI専門部隊が語る、フィジカルAIの最前線とugo novaで挑むデータ収集](https://podcasts.apple.com/jp/podcast/45-cross-talk-ugo-ai%E5%B0%82%E9%96%80%E9%83%A8%E9%9A%8A%E3%81%8C%E8%AA%9E%E3%82%8B-%E3%83%95%E3%82%A3%E3%82%B8%E3%82%AB%E3%83%ABai%E3%81%AE%E6%9C%80%E5%89%8D%E7%B7%9A%E3%81%A8ugo-nova%E3%81%A7%E6%8C%91%E3%82%80%E3%83%87%E3%83%BC%E3%82%BF%E5%8F%8E%E9%9B%86/id1856132363?i=1000793136662)
- [#46 ugo AI専門部隊が語る、「ロボットになったつもりで」取るデータと触覚への挑戦](https://podcasts.apple.com/jp/podcast/46-cross-talk-ugo-ai%E5%B0%82%E9%96%80%E9%83%A8%E9%9A%8A%E3%81%8C%E8%AA%9E%E3%82%8B-%E3%83%AD%E3%83%9C%E3%83%83%E3%83%88%E3%81%AB%E3%81%AA%E3%81%A3%E3%81%9F%E3%81%A4%E3%82%82%E3%82%8A%E3%81%A7-%E5%8F%96%E3%82%8B%E3%83%87%E3%83%BC%E3%82%BF%E3%81%A8%E8%A7%A6%E8%A6%9A%E3%81%B8%E3%81%AE%E6%8C%91%E6%88%A6/id1856132363?i=1000795810678)
---

## 業務内容

### 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
- 収集済みデータの検品（データが壊れていないかの確認）
- 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）
- データ収集パイプラインや、データの自動スクリーニングの実装
- 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**：Ubuntu 22.04 / 24.04 LTS、AWS、Runpod、NVIDIA GPU（H100 / H200）、NVIDIA Jetson、Docker、CUDA、SLURM、Kubernetes、GitHub Actions
- **言語・フレームワーク**：Python、C++、PyTorch、JAX、LeRobot、RSL-RL
- **分散学習・実験管理**：PyTorch DDP / FSDP、DeepSpeed、Weights & Biases
- **ロボティクス基盤**：ROS 2、URDF、TF2、MoveIt 2
- **基盤モデル（VLA）**：π0.5、GR00T N1.7、MolmoAct2
- **模倣学習・生成モデル**：Behavior Cloning、Diffusion Policy、ACT、Flow Matching、LoRA Fine-tuning
- **強化学習**：PPO、Actor-Critic、Sim-to-Real、Domain Randomization、Teacher-Student Distillation
- **シミュレーション**：NVIDIA Isaac Lab、Isaac Sim（PhysX、Newton）、MuJoCo
- **世界モデル**：NVIDIA Cosmos
- **データ・通信**：LeRobotDataset、Safetensors、rosbag / MCAP、ROS 2（DDS）、CAN / CAN FD、gRPC / Protocol Buffers、FlatBuffers、WebSocket
- **開発ツール**：Git、GitHub、Slack、Notion、Claude Code、Codex

歓迎スキル

**研究・実装の経験**

- 模倣学習、強化学習、VLM/VLA、Sim2Realに関する研究または実装経験
- CVPR、ICCV、NeurIPS、ICLR、IROS、CoRL、ICRA等の学会での論文採択・発表経験
- Kaggle等の機械学習コンペティションでの上位成績

**ツール・実機の経験**

- LeRobot、Hugging Face Transformers、ROS/ROS2、Isaac Sim/Isaac Labの使用経験
- LeRobotフレームワークを使ったデータ収集・可視化の経験
- ロボット実機、センサー、アクチュエータを含む開発経験
- 業務外でも、SO-ARMなどの実機やコンペでPhysical AIに手を動かして取り組んでいる方

**働き方**

- 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

求める人物像

- 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

応募概要

給与

■想定年収
600万円〜1000万円(経験能力考慮の上優遇)

勤務地

東京都千代田区東神田1-7-8　（本社）
東京都中央区日本橋馬喰町２丁目３−２ （開発拠点）
※試用期間終了後、一部リモートワーク可

雇用形態

正社員

勤務体系

勤務時間（フレックスタイム制、コアタイム：有 11:00～16:00）
10:00〜19:00（実働8時間）
●年間休日125日
●完全週休二日制(土日祝日)
●有給休暇年間20日一斉付与
●夏季休暇（３日）
●年末年始休業（毎年10日前後）

試用期間

あり（３ヶ月）

福利厚生

●交通費支給
●社会保険完備（雇用保険、労災保険、健康保険、厚生年金保険）
●書籍購入支援制度
●借上社宅制度（現物給与型）