MLエンジニア / Machine Learning Engineer（自動運転 世界モデル／動画生成モデル開発）

2015_MLエンジニア / Machine Learning Engineer（自動運転 世界モデル／動画生成モデル開発）

仕事概要

◆本求人は、機械学習を軸に、動画生成モデル・基盤モデルの大規模開発や、それを支えるMLOps／データ基盤、蒸留・最適化・実機デプロイに取り組んできた方を対象としています（自動運転／CV／ロボティクスの経験者歓迎）◆
Turingでは、車載カメラ映像を入力に車の制御まで行う End-to-endの自動運転モデル を開発しています。完全自動運転レベルの実現に向けて、模倣学習で鍛えるアプローチに加えて、近年進展の著しい動画生成・世界モデル系の潮流も取り込みながら、探索的に「当たり」を作りにいくフェーズにあります。
特に近年は、走行データだけでなく一般動画データも含む大規模事前学習（動画生成・自己教師あり学習など）が、下流タスク（行動予測・プランニング等）の性能を押し上げうるという流れが強くなっています。
そこでTuringでも、World Action Model（WAM）という考え方のもと、動画生成モデル／画像・動画基盤モデル（例：DINOv3、V-JEPA系の発想）／世界モデルといったモダンなモデル群を、学習のスケーリングから検証、下流タスクへの落とし込み、さらに蒸留・量子化・推論最適化を経て実機にデプロイするところまで一気通貫で推進したいと考えています。
今回の求人では、この挑戦的な取り組みを、研究だけで終わらせず「動くもの」に仕上げるメンバーを募集します。

【業務内容】
・自動運転領域におけるWAM（World Action Model）を中心としたML開発
・大規模事前学習（走行データ＋一般動画データ等を用いた学習スケーリング）
・動画生成モデル／世界モデルを用いたモデリング検討・実装・検証
・自己教師あり学習に基づく画像・動画基盤モデル（例：DINOv3、V-JEPA系等）の検証・活用
・下流タスク（例：行動予測・プランニング等）への適用、評価設計・改善
・蒸留（distillation）等による小型化・高速化、量子化・推論最適化
・実験基盤整備（データパイプライン、再現性、実験管理、モデル運用）の構築・改善
・関連領域（Transformer、ロボティクス、世界モデル等）の論文調査・実装検証

【Physical AIというテーマの最前線を楽しむ】
AIに身体性を持たせ、物理空間の中で価値を発揮する。そういったテーマにおいて自動運転はまさに人類がいま取り組んでいるものです。すでに社内で進んでいるプロジェクトのナレッジを活かしつつも、独自のMLパイプラインを構築していかなければなりません。レファレンスがほとんどない領域で開発を推進していただける方を探しています。

【自分のつくったモデルを実車で試して改善していく】
「データセットやモデルを作る→走行実験→実験ログ解析実験→モデルの管理」という流れで自動運転AIを進化させていきます。自身のつくったモデルを五感で捉えながら改善サイクルを回していきます。机上だけでなく、現実世界からのフィードバックを開発に活かしてください。

【こんな人が活躍しています】
・ロボティクス／世界モデル／自動運転（行動予測・プランニング等）のいずれかに強みを持ち、モデル開発をリードしてきた方
・大規模データの前処理・フィルタリング・データ品質設計にこだわり、学習の再現性やスケーリングを現場で実現してきた方
・研究室／企業研究所などで、探索的なテーマを「実装→検証→改善」まで落とし込み、成果につなげてきた方
・関連分野の著名研究者や最新論文の仕事を素早くキャッチアップし、再現・発展させてプロダクト／実機検証に接続できる方

必須スキル

◆本求人は、機械学習を軸に、動画生成モデル・基盤モデルの大規模開発や、それを支えるMLOps／データ基盤、蒸留・最適化・実機デプロイに取り組んできた方を対象としています（自動運転／CV／ロボティクスの経験者歓迎）◆
Turingでは、車載カメラ映像を入力に車の制御まで行う End-to-endの自動運転モデル を開発しています。完全自動運転レベルの実現に向けて、模倣学習で鍛えるアプローチに加えて、近年進展の著しい動画生成・世界モデル系の潮流も取り込みながら、探索的に「当たり」を作りにいくフェーズにあります。
特に近年は、走行データだけでなく一般動画データも含む大規模事前学習（動画生成・自己教師あり学習など）が、下流タスク（行動予測・プランニング等）の性能を押し上げうるという流れが強くなっています。
そこでTuringでも、World Action Model（WAM）という考え方のもと、動画生成モデル／画像・動画基盤モデル（例：DINOv3、V-JEPA系の発想）／世界モデルといったモダンなモデル群を、学習のスケーリングから検証、下流タスクへの落とし込み、さらに蒸留・量子化・推論最適化を経て実機にデプロイするところまで一気通貫で推進したいと考えています。
今回の求人では、この挑戦的な取り組みを、研究だけで終わらせず「動くもの」に仕上げるメンバーを募集します。

【業務内容】
・自動運転領域におけるWAM（World Action Model）を中心としたML開発
・大規模事前学習（走行データ＋一般動画データ等を用いた学習スケーリング）
・動画生成モデル／世界モデルを用いたモデリング検討・実装・検証
・自己教師あり学習に基づく画像・動画基盤モデル（例：DINOv3、V-JEPA系等）の検証・活用
・下流タスク（例：行動予測・プランニング等）への適用、評価設計・改善
・蒸留（distillation）等による小型化・高速化、量子化・推論最適化
・実験基盤整備（データパイプライン、再現性、実験管理、モデル運用）の構築・改善
・関連領域（Transformer、ロボティクス、世界モデル等）の論文調査・実装検証

【Physical AIというテーマの最前線を楽しむ】
AIに身体性を持たせ、物理空間の中で価値を発揮する。そういったテーマにおいて自動運転はまさに人類がいま取り組んでいるものです。すでに社内で進んでいるプロジェクトのナレッジを活かしつつも、独自のMLパイプラインを構築していかなければなりません。レファレンスがほとんどない領域で開発を推進していただける方を探しています。

【自分のつくったモデルを実車で試して改善していく】
「データセットやモデルを作る→走行実験→実験ログ解析実験→モデルの管理」という流れで自動運転AIを進化させていきます。自身のつくったモデルを五感で捉えながら改善サイクルを回していきます。机上だけでなく、現実世界からのフィードバックを開発に活かしてください。

【こんな人が活躍しています】
・ロボティクス／世界モデル／自動運転（行動予測・プランニング等）のいずれかに強みを持ち、モデル開発をリードしてきた方
・大規模データの前処理・フィルタリング・データ品質設計にこだわり、学習の再現性やスケーリングを現場で実現してきた方
・研究室／企業研究所などで、探索的なテーマを「実装→検証→改善」まで落とし込み、成果につなげてきた方
・関連分野の著名研究者や最新論文の仕事を素早くキャッチアップし、再現・発展させてプロダクト／実機検証に接続できる方

歓迎スキル

▼生成・基盤モデル
・動画生成モデルの学習レシピ（Diffusion/Flow matching、長期系列学習、self-forcing系のrecovery学習）の探索
・生成モデリング下流タスクのための画像・動画トークナイザの研究・開発経験
・画像・動画基盤モデル（自己教師あり学習）の事前学習・転移学習の経験や活用経験（例：DINOv3, V-JEPA等）
・Latent Action Modelを活用した大規模なロボットタスクのための事前学習
・Feed-Forward 3DGSやDepthAnything3などのvisual geometry foundation modelに関する研究・開発

▼蒸留・デプロイ
・蒸留（distillation）、量子化、推論最適化などモデル軽量化の経験
・動画生成モデルをロボットタスク等でFT・蒸留し、実機へデプロイした経験
・車載・エッジ等の制約下で、推論要件（レイテンシ/スループット/メモリ）を満たした経験

求める人物像

・世界的企業をつくる強い気概のある方
・自走力がありなんでも積極的に取り組める方
・常に謙虚で、相手目線を忘れない人間性
・急激な事業、組織の成長に伴う様々な変化を楽しめる柔軟性
・成長に対して前向きなスタンス
・困難も楽しみながら乗り越えられるタフさ

◆技術スタック
言語：Python
ライブラリ：PyTorch、Transformers、Lightning、Accelerate、DeepSpeed/FSDP、FlexAttention
ミドルウェア：Slurm
開発環境：AWS、GCPで構築した大規模GPUクラスタ
プラットフォーム：Jetson、Linux

【参考情報】
▼会社HP

▼ Turing Tech Blog

▼チューリポ（オウンドメディア）

▼Turing TechTalk #7 Turing流 E2E自動運転AIの開発プロセス

【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
・応募時の書類（履歴書・職務経歴書）やエントリーページの入力箇所に年収情報（現在年収や希望年収）を記載するのはお控えください

• 年収情報については選考プロセスが進む中でHRよりヒアリングをさせていただきます

応募概要

給与

エンジニア
・想定年収：7,000,000円~10,000,000円
・基本給：444,449円~634,925円
・みなし残業手当：138,891円~198,415円（※みなし残業40時間相当分）

シニアエンジニア
・想定年収：10,000,000円~15,000,000円
・基本給：634,925円~952,380円
・みなし残業手当：198,415円~297,620円（※みなし残業40時間相当分）

プリンシパルエンジニア
・想定年収：15,000,000円~20,000,000円
・基本給：952,380円~1,269,843円
・みなし残業手当：297,620円~396,827円（※みなし残業40時間相当分）

※上記は想定額のため、最終的には現年収を考慮しつつ経験・スキルを考慮して内定時に提示します
※キャリア採用の場合、下限については概ね700万円を下回ることはありませんが上限については2000万円を超えるオファーをすることも検討しています

勤務地

■平和島オフィス
〒143-0006
東京都大田区平和島6丁目1-1 物流ビルA棟

▼アクセス
東京モノレール流通センター駅から徒歩7分

※通勤方法
・電車・バス等の公共交通機関
もしくは
・自家用車やバイクでの通勤

※通勤手当
・会社が認めた通勤経路および通勤方法に基づき、会社が定める基準により算定した額を支給します。（支給額の上限は会社が別途定めるものとし、課税・非課税の区分は所得税法等の法令に基づき会社が適切に処理します。）
・通勤時の高速道路代は精算対象とします。
・バイク利用者は燃費代のみを精算対象とします。（高速道路代はお支払いの対象外となります。）

雇用形態

正社員

勤務体系

フレックスタイム制
コアタイム：11:00~15:00
フレキシブルタイム：08:00~11:00、15:00~22:00
標準的な勤務例：10:00-19:00(休憩1時間)
※ライフスタイルや業務に応じて始業・終業時間を柔軟に調整することが可能です

【休日休暇】
■土日祝日
■年次有給休暇：初年度は入社時に13日間付与
■年末年始休暇
■ライフサポート休暇：特別有給休暇として入社日に5日間付与（有効期限は付与から1年間）
■結婚休暇（5日間）等の慶弔休暇
■出産休暇・育児休暇制度完備
■小学校3年生が終わるまで取得可能な育児時短制度
■子の看護休暇・介護休暇（無給・5日）

試用期間

あり（3カ月間）

福利厚生

■社会保険完備
■交通費支給（会社が認めた通勤経路および通勤方法に基づき、会社が定める基準により算定した額を支給します。）
■社食（昼食支援）制度
■インフルエンザ予防接種の費用補助
■定期健康診断
■提携クリニックによる健康相談
■社外カウンセリング窓口
■PC選択制度（エンジニア対象）
■Turing Unlimited AI制度（直接雇用の全社員を対象に、業務に必要なあらゆるAIサービスを会社負担で上限なく利用できる制度です。）
■駐車場代補助制度（U30エンジニア対象）
■書籍購入制度
■社用車の休日利用制度
■ベビーシッター利用割引制度
■妊活検査（AMH卵巣予備能力指数検査）の無料検査制度
■提携クリニックによる女性特有の健康相談無料カウンセリング制度
■オフィスコンビニ（スマートマルシェ、オフィスグリコ）
■社内交流会（All Hands）の費用補助
■服装自由
■東振協の共同利用保養所サービス
■福利厚生賃貸サービス