担当業務の例
ML チームでの役割を3段階で定義しています。どの段から入るかは、選考を通じて決めます。
特定の技術テーマが与えられ、それによってパフォーマンスを改善する
例：有望な論文の適用、カメラのチューニングといったデータ側の改善
部分的な目標が与えられ、既存技術の選定および必要なら新手法の提案まで含めて達成する
例：タオル畳みの自律動作時における、タオルの単純把持の失敗率を下げる
目標（ロボットの時給向上）に対して、ML チームは何をすべきかという方策そのものを提案する
例：データの収集方針の提案、試していくべき手法の提案
私たちは成果を「ロボット1台が1時間に生む利益」で測っています。実際に回している実験は、うまくいかなかったものも含めて公開しています。
研究記録を見る必須要件
- 01
週2回以上、東京都足立区鹿浜の工場に来られること
自社工場で双腕ロボット4台を実際に動かしています。実機実験への立ち会いと、対面でのディスカッションのためです。ロボット実験では、実際の環境や挙動を見ることで改善案が生まれることが多くあります。
- 02
1年以上の機械学習に関する実務経験
学位取得のための研究期間は含めません。
- 03
pi0.5 等の VLA モデルのアーキテクチャ・学習手法を深く理解できるだけの数理的素養
新手法を実装して期待どおりの成果が得られなかったとき、原因分析とそれに基づく改善を精度よく行うために必要です。
- 面接中の筆記試験で、線形代数・確率・最適化の基礎的な導出を閉本で解いていただきます
- 面接での口頭質問。例：pi0.5 の flow matching action head の学習目的、knowledge insulation が何を防いでいるか
- 04
英語で技術議論ができること（口頭）
論文読み込み、Slack 投稿やレポート等の writing は AI の利用を想定しているため、口頭でのコミュニケーションのみを要件とします。
- 日本語能力は問いません。
あると良い経験
- 深層学習（特に VLA）、ロボティクスの経験
- 実機ロボットでのテレオペレーション・データ収集の経験
- 学習基盤の運用経験（マルチ GPU 学習、クラウド GPU のコスト管理、データパイプライン）
- 研究業績
条件
- 雇用形態
- 正社員
- 想定年収
- 800万円 〜 1,500万円+
- 勤務地
- 東京都足立区鹿浜（自社工場）
- 出社頻度
- 週2回以上
- チーム構成
- ML エンジニア2名、データエンジニア4名
- 計算資源
- 自社 GPU 10台以上 + クラウド GPU
- 実機
- 双腕ロボット4台
選考プロセス
書類選考
経歴書をお送りください。
カジュアル面談（1回）
相互理解が目的です。評価はしません。
面接（1回・120分）
技術ディスカッション60分 + 筆記試験60分。
筆記試験は、スマートフォン・PC・LLM の使用を禁止して実施します。出題範囲と難易度は、下記の見本問題と同程度です。
採用課題 ver 1.0（見本）
実際の面接で出題する問題そのものではありませんが、難易度と出題範囲は同じです。事前提出は不要です。何を測ろうとしているかを応募前に確認していただくために、全文を公開しています。
- Problem 1
Self-attention のスコア行列に関する線形代数と、勾配の導出
- Problem 2
2つの分布を線形補間した確率変数の条件付き期待値（flow matching の速度場）
- Problem 3
実際の社内実験データの解釈と、そこからの研究方針の立案
Problem 3 で使用しているのは、当社が実際に行った枕カバー剥がし（RPE）タスクの実験データです。成功率が期待どおりに出なかった結果を、そのまま載せています。
採用課題 ver 1.0 をダウンロード（PDF・1.5MB）