（ポジション概要）
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）」といった視覚と言語と行動を結びつけたマルチモーダルな次世代AIモデルを開発し、当社の「ugo Pro」や新開発のロボットに適用していきます。

以下の3つの開発領域で、AI技術を「実世界の物理的な動き」に繋げる技術開発に取り組んでいただきます：

①エッジAIによる物体検知: エッジデバイスでのYOLO物体検出のリアルタイム推論
②模倣学習（ugo Pro R&D）: LeRobotフレームワークを用いたヒューマノイドロボットugo Proの模倣学習と行動生成
③強化学習: NVIDIA Isaac Labを用いた4足歩行ロボットTerraの強化学習とシミュレーション

カメラ画像から警備・点検現場での異常を検知するモデルの実装とエッジ側へのデプロイ、そして「AIを積んだだけ」ではなく、それがどうユーザーへの価値を提供できるかフィードバックを受けながら開発に取り組んでいただきます。

（具体的仕事内容）
AIロボット向けのロボット基盤モデル開発、ファインチューニング、AIモデルのトレーニング、そしてエッジデプロイを担当していただきます。あなたの興味や専門性に応じて、以下の3つの開発領域から担当領域を選択できます。

1. エッジAI
・YOLOv7-tinyなどの物体検出モデルのエッジデバイスへのデプロイ
・量子化によるモデル最適化
・C++20によるエッジデバイス向け推論エンジンの開発
・カメラ画像からの点検対象認識（計器読み取り、異常検知等）

２.模倣学習（ugo Pro R&D）
・LeRobot frameworkを用いたヒューマノイドロボットugo Proの模倣学習
・Diffusion Policy、ACT（Action Chunking Transformer）などのアルゴリズム実装
・VLM（大規模視覚言語モデル）・VLA（大規模視覚言語行動モデル）の開発・ファインチューニング
・Zarr、Safetensorsなどを用いた大規模データセット管理

3. 強化学習
・NVIDIA Isaac Lab、Isaac Simを用いた4足歩行ロボットの強化学習
・不整地認識、段差昇降の強化学習による制御ポリシー開発
・シミュレーション環境構築と物理シミュレーション
・Weights & Biasesを用いた学習進捗の可視化

■共通業務
・モデル訓練など大規模データセットのデータパイプライン構築
・開発したAIモデルの評価と安全性向上
・AIモデルとロボット制御システムの統合（行動フィードバックループの開発）
・フィールドテストおよび技術検証
・他部門との技術調整、要件定義のサポート


（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, AWS Copilot CLI

■使用言語・技術スタック
１.エッジAI
・言語：C++, Python
・モデル：YOLOv7-tiny (INT8量子化)
・画像処理：OpenCV
・最適化：INT8量子化, OpenMP並列化
・通信：NATS Pub/Sub, JSON, GStreamer

2.模倣学習（ugo Pro R&D）
・言語：Python
・フレームワーク：PyTorch, LeRobot (Hugging Face)
・アルゴリズム：Diffusion Policy, ACT (Action Chunking Transformer)など
・Physical AI：VLM (Vision-Language Models), VLA (Vision-Language-Action Models)
・通信：gRPC / Protocol Buffers

3. 強化学習
・言語：Python
・フレームワーク：PyTorch, RSL RL (PPO)
・シミュレーター：NVIDIA Isaac Lab, Isaac Sim
・学習手法：教師-生徒蒸留学習 (Distillation), Actor-Critic

●共通技術
・画像処理：OpenCV, PIL
・モデル最適化：ONNX, TensorRT

■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