募集背景
ABEJAは創業以来、高い技術力と顧客に寄り添う提案力を武器に、多くのAIソリューションやプロダクトを社会実装してきました。近年は大規模言語モデル（LLM）や生成AIの進化により、ミッションクリティカルな領域を含む幅広い業務で、生成AI活用の中核化が急速に進んでいます。
一方で、社会課題の解決や産業変革のインパクトは、デジタル空間にとどまらず、現場の物理世界へと広がりつつあります。倉庫や工場などでは、特定エリアで特定タスクを自動化するロボットが普及してきましたが、複雑な状況判断や臨機応変な対応には限界があり、より柔軟で汎用的な自律性が求められています。ハードウェアやセンサー、制御の高度化に加え、LLMがもたらした自然言語理解や推論、意思決定支援といった知的能力をロボットと融合することで、状況に応じた対処や複雑なタスク実行をリアルタイムに実現する潮流が強まっています。
ABEJAはこれまでLLM領域で培ってきた知見やノウハウを強みに、次の成長領域としてフィジカル領域への展開を加速します。言語と行動をつなぐVLA（Vision-Language-Action）をはじめとしたEmbodied AIの研究開発を推進し、ロボットが現場で価値を発揮するために必要となる学習データや評価手法、開発基盤の整備まで含めて取り組むことで、AIロボティクス領域での社会実装を現実のものにしていきます。
こうした挑戦を継続的に拡大し、LLM×ロボティクスの融合によって、従来のロボットでは難しかった柔軟な動作や判断を可能にし、実現場の生産性・安全性・品質を大きく向上させる価値提供を強化するため、Embodied AI領域を担うデータサイエンティストを募集します。
ミッション
「テクノロジーの力で産業構造を変革する」
フィジカル領域にも生成AIの波が押し寄せる中で、大規模基盤モデルによるロボット制御・ロボット動作生成等に関する研究開発を推進し、実現場で安全かつ安定して価値を発揮する形で社会実装することで、お客様の現場課題を根本から解決へ導きます。
そのために本ポジションでは、Embodied AI／VLA（Vision-Language-Action）を含む大規模基盤モデルの研究開発を中核として、データ設計・学習/評価・推論最適化・運用を見据えた開発基盤整備までを一体で担います。プロジェクトマネージャなどのビジネスサイド、プロダクト/プラットフォームを支えるエンジニアと密に連携しながら、現場要件に沿ったモデル方針の策定から、品質を担保する評価設計、継続的な改善サイクルの確立まで、価値提供の中核をリードしていただきます。
また、組織としての研究開発力を継続的に高めるため、知見の体系化や開発プロセスの標準化、メンバー育成やカルチャー醸成にも主体的に関わり、ABEJAが描く未来を共に創っていただきます。
業務内容
大規模基盤モデルによるロボット制御・ロボット動作生成等に関する研究開発を中核として推進いただくポジションです。単にモデルを作って終わりではなく、学習データ収集からシミュレーション構築、sim2real、実機での検証・改善を回しながら、得られた成果をプロダクトやソリューションへ落とし込み、現場価値として継続的に届け切るところまで一気通貫で担っていただきます。
-
Embodied AI / VLAの研究開発
- Embodied AI／VLAを用いたロボット制御・動作生成の調査、設計、学習、実装
- 模倣学習や強化学習等を用いたエンドツーエンド方策の開発、実験設計、性能評価
- 実機制約（レイテンシ、計算資源、安全性）を踏まえた推論最適化、モデル軽量化・高速化、バスト性向上（ノイズ/外乱/環境変化への耐性）
-
学習データ収集・データ基盤整備
- 実機・現場からのセンサデータ/操作ログ/デモの収集設計（テレオペ、デモ収集、計測設計）、評価用データ整備と継続的なデータ更新
- データ品質管理、アノテーション方針、学習/評価に使える形への整形・再現性確保（データセット/メタデータ設計）
- 合成データの作成戦略作りおよび活用
-
シミュレーション環境構築
- 物理シミュレーション/閉ループシミュレーションの開発・運用、学習や評価を回せる環境・ツールの整備（キャリブレーション、センサ/アクチュエータ/制御のモデリング含む）
-
評価・ベンチマーク設計
- タスク成功率だけでなく、安全性、異常系耐性、環境変動への頑健性、運用時の安定性を含めた評価設計
- オフライン評価（ログ/リプレイ/シミュレーション）とオンライン評価（実機/現場）を組み合わせた継続的な性能モニタリング
- データ収集と評価を一体で回し、改善の根拠を定量化
-
プロダクト/現場価値への接続（価値提供まで一気通貫）
- プロジェクトマネージャと連携した現課題の整理、要件定義（安全・品質・コスト・運用制約）とモデル方針への落とし込み
- プロダクト/プラットフォームを支えるエンジニアと連携し、学習・評価・推論のパイプライン、運用設計、現場導入、改善運用（再学習/再評価/リリース）まで推進
- 導入後の運用データを活用した継続改善、再利用可能なコンポーネント化・横展開
-
チームリーディング、技術横展開・技術発信
- 技術アプローチレビュー、コードレビュー、ナレッジ共有を通じた開発品質の向上
- メンバー育成やカルチャー醸成への貢献
- 技術ナレッジの公開（論文投稿・学会発表・勉強会登壇・テックブログ等）