ロボット基盤モデル開発エンジニア（VLA/VTLA・模倣学習/強化学習）【正社員】

■仕事概要
■募集背景
ugoは2026年9月から、ロボット基盤モデル開発の本格化に向けた発表を続けています。
GENIACに採択（2026年9月9日発表）
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と「ugo Physical AI Fabric」を発表（2026年9月16日発表）
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。
7軸の双腕アーム、頭部2軸、腰関節を備え、VLAなどのAIモデルによる全身制御に対応
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
ポジションの概要
Physical AIの領域で、VLA、模倣学習、強化学習を使い、ugo Novaをはじめとする双腕ロボットやヒューマノイドのAI基盤モデルをつくります
触覚・力覚も使うVTLAモデルで、接触の多い組立・操作タスクの自律化に取り組みます
マネジメント業務はありません。論文調査から実機へのデプロイまで、自分の手で進めます
開発したモデルが現場でどうユーザーの役に立つか、フィードバックを受けながら進めます
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？
■このポジションの魅力
Physical AI：AIを実世界の物理的な動きにつなげる
リアルな現場データ × 最先端技術（VLA/VTLA）
論文は書けても、実機のデータを持てない研究者は多い領域です。ugoでは、自社のロボット、自社のタスク、自社で集めたデータを起点に開発できます。GENIACでは触覚を含む約30万エピソードを集め、ugo Novaで学習と検証を回します。
まだ確立されていない領域を、自ら定義・開拓できる
触覚・力覚を活用したcontact-richマニピュレーションは、まだ手法が固まっていない領域です。
シミュレーションで閉じず、現場で働くロボットに実装できる
ロボット開発としての魅力
「AIを積んだだけ」で終わらない
モデルの出力がロボットの挙動にフィードバックされるループの中で開発します。
実機で検証する機会が多い
自分が開発したモデルで、ロボットが実際に動く様子を目の前で確かめられます。
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
#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
■業務内容
双腕ロボットやヒューマノイドに搭載する、VLA/VTLA（視覚・触覚・言語・行動）モデルの研究・開発をお任せします。
モデル開発
双腕ロボットやヒューマノイド向けのVLA/VTLAモデルの研究・開発
π0.5やGR00Tなど、既存の手法やOSSをベースにした自社製品向けのカスタマイズ
触覚・力覚を使った学習
接触の多い組立・操作タスクで、触覚・力覚を使ってポリシーを獲得する
データと学習手法
ウェアラブル機器などで得た、身体性の異なるデータを実機に適合させる
模倣学習と強化学習を組み合わせて、汎化性能を上げる
Sim2Real
Real2Sim2Realで、シミュレーションと実機の差を小さくする
実機への実装と検証
モデルの評価と安全性の向上
制御システムとの統合
フィールドテスト
他部門との技術的な調整
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
参考情報
コーポレートサイト
note
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

論文・技術ドキュメントを読み、シミュレーション上だけでなく実機で性能を改善した経験
機械学習に関する開発経験3年以上
（適用領域はVLA/VTLAが望ましい。ML Planner・Perception等も可）
Python実務経験3年以上
Gitを用いたチーム開発の経験

研究・実装の経験
接触リッチな操作（contact-rich manipulation）、触覚・力覚センシングを用いた学習の経験
模倣学習、強化学習、VLA/VTLA、Sim2Realに関する研究または実装経験
データの改良だけでなく、モデルの構造や学習方法を改良して、性能を定量的に改善した経験
画像認識・VLM・VLAのいずれかの領域で、強みと言える深い専門性
CVPR、ICCV、NeurIPS、ICLR、IROS、CoRL、ICRA、RSS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
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
チームで中長期の開発をリードし、正解のない性能改善に取り組んだ経験

AIとロボティクスを深く探究し、実装と検証を通じて成果につなげられる方
論文を読み込み、実機に使えるかを見極めながら開発できる方
他の人の設計や研究の妥当性を評価し、技術選定をリードしたり議論したりできる方
難しい技術課題に粘り強く取り組める方
設計の議論やコードレビューを通じて、品質と開発スピードの両方を高められる方