物理世界を理解し、行動できる知能（Physical AI）をロボットに実装するエンジニアの募集です。
センサ入力から行動生成、制御までを一気通貫で扱い、「見る」「理解する」「動く」「学習する」を実際の実機上で実現させることがミッションです。

■本ポジションにおけるPhysical AIとは、以下を統合した新体制を持つAIを指します。
・　視覚、触覚、状態量などの知覚
・　物理法則、身体制約を考慮した推論
・　実世界で安全かつ再現性のある行動生成
・　実機、シミュレーションを通じた学習と改善

■役割
・　ヒューマノイドの知能アーキテクチャ設計・実装
・　センサ入力から行動出力までの統合
・　実機で動くPhysical AIモデルの構築
・　機械、電気、制御と連携し、知能の身体への落とし込み

■具体的業務内容
１）Physical AIに関わるモデル設計、実装
・　視覚（カメラ、深度、センサ融合）
・　状態推定（自己位置・姿勢推定、関節状態推定、環境状態推定）
・　時系列生成
・　行動価値モデル

２）Physical AIに関わるモデル学習の設計・実装・検証
・　DeepSpeed等を用いた大規模並列学習
・　Imitation Learning / RL / Behavior Cloning 等

３）シミュレーションと実機（Sim2Real）
・　物理パラメーターのズレ対策
・　omain Randomization
・　センサモデル構築
・　Control Loopの遅延再現

※上記は一例になります。

■使用ツール
・　Google Workspace
・　Slack
・　Miro
・　Notion
・　GitHub

■必須
・　MLエンジニアとしての業務経験
　－PyTorch等の機械学習フレームワークを用いたモデル実装・学習・評価の一連の実務経験
　－Docker等のコンテナ技術を用いた開発・実行環境の構築経験
　　※ローカル/オンプレ/クラウドいずれかでの利用経験

・　LLM / VLMの基礎理解およびファインチューニング体験
　－Transformer アーキテクチャおよびLLMの基本構造に関する理解
　　※Attention / Tokenization / Pretrain-Finetune　の流れを説明できる
　－既存のLLM/VLMに対して、以下いずっれかのファインチューニング経験
　　＊LoRA/QLoRA等の軽量ファインチューニング
　　＊SFT（教師あり学習）によるタスク適応
　－学習データの設計・前処理・品質管理に関わった経験

・　物理シミュレータを用いた強化学習・模倣学習の実務経験
　－MuJoCo/Isaac Sim/PyBulletなど、物理シミュレータを用いたロボットタスクの学習経験
　－強化学習（PPO / SAC / TD3 等）を用いた制御・動作獲得
　－模倣学習（Behavior Cloning / Dataset Aggregation 等）の実装・評価

■歓迎
・　LLMなどの大規模モデルを設計・学習・評価した経験
・　ロボティクス、制御、機械学習の全領域における専門性
・　Vision-Language-Action(VLA）系の実装経験
・　World Model、行動予測モデルの実装経験
・　VLAモデルの実機インテグレーション経験・デバッグ経験

■人物タイプ
・　シミュレーションと実機のギャップに向き合える方
・　うまく動かない理由を粘り強く探れる方
・　身体性、物理制約を前提に知能を考えられる方
・　ヒューマノイドという未踏領域に本気で挑戦したい方 　

◇エンジニア
想定年収：500～1,000万円（みなし残業代込）
◇シニアエンジニア
想定年収：1,000～3,000万円（みなし残業代込）