Embodied AIモデル開発 リサーチエンジニア

ELYZAは、2019年から自然言語処理を軸に日本語の言語モデルの研究開発に取り組み、LLMの研究開発から社会実装までを進めてきました。

現在はその研究開発領域を、VLM/VLAをはじめとするマルチモーダルAIや、ロボティクスの実用化に向けたEmbodied AIへと広げています。

本ポジションのミッションはELYZAがLLMをはじめとする基盤モデルの研究開発で培ってきた知見を活かし、特定のユースケースや実環境に適応したEmbodied AIモデルを研究開発することです。

既存のVLA等を活用した学習・検証に加え、モデルや学習手法そのものの研究開発、実機へのデプロイ、顧客現場でのPoCまで研究開発と社会実装を往復しながら技術を磨いていきます。

KDDIグループとの連携による計算基盤や、ロボットを用いた実験・検証環境を活用しながら、モデルの研究開発と実世界で得られるデータを用いた改善サイクルの両方に取り組めることが、本ポジションの特徴です。

ご本人の志向性やプロジェクトの稼働状況に応じて、Embodied AIモデルの研究開発から現場でのPoC推進まで、R&Dと社会実装の垣根を越えて幅広く活躍していただきます。

既存のオープンモデルに対し、特定ユースケースに特化した学習を行い、精度と堅牢性を高める。模倣学習、強化学習（RL）、推論最適化などの技術を適用・拡張する。

顧客の現場課題に対しどのようなロボット構成・AIモデルで解決可能かの技術検証を行う

現場特有のドメインデータを用いたファインチューニングやエッジデバイスへの実装を主導する

画像・テキストに加え、「Action（軌跡や関節角度）」もモダリティとして扱う学習基盤を構築

PoC推進チームと密に連携し、現場の失敗データ等をモデル改善に組み込むデータフライホイールを設計する

「学習ベース（AI）のアプローチ」と「ルール・アルゴリズムベースの制御アプローチ」の境界とトレードオフを正確に評価し、実機上で安定して動作することを目指したソフトウェアモジュール

LLM/VLM領域で発展する学習手法やモデルアーキテクチャ等について、Embodied AI領域への応用可能性を検証し、実装・評価する

VLAをはじめとするモデル・学習手法の検証だけでなく、ロボットへのデプロイや実機での評価まで一貫して取り組めます。

顧客現場や実機検証から得られるデータをもとにモデル・学習手法を改善し、再び実環境で評価するResearch → Deployment → Data → Researchのサイクルを回せます。

KDDIグループとの連携による計算基盤を活用し既存モデルのFine-tuningだけでなく、モデルや学習手法そのものの研究開発にも取り組めます

ELYZAがこれまで取り組んできたLLMやマルチモーダルAIの研究開発知見を活かしながら、VLAやEmbodied AIへの応用・発展に取り組めます

セキュリティ意識を高く保ちつつ、利用可能な場面では Claude Code、Devin などの最新のAI開発ツールをフルに活用しています。

主な対象ハードウェア: シングル・ダブルアーム、デクスタラスハンド、ヒューマノイド

AI開発言語：Python, (Shell Script)

インフラ：Azure, Google Cloud, AWS, ABCI

コンテナ基盤：Docker, Singularity

機械学習関連ツール：Hugging Face, W&B

ドキュメント・バックログ管理：Notion

コード管理：GitHub

社内コミュニケーションツール：Slack, Google Meet, MetaLife

シミュレーター：MuJoCo、Isaac Sim

AI関連ツール：Claude Code、Devin、Gemini Pro、Notion AI ほか

開発周辺ツール：Google Drive, Figma, GitHub