Research Engineer — Offline RL & Reward Design AI Research

Research Engineer — Offline RL & Reward Design（オフライン強化学習と報酬設計）

Description

Highlanders は、ヒューマノイドロボットと、フィジカルAI（現実の世界で体を動かすAI）の基盤モデル、そしてその学習データを生み出すロボットの群れを、一つの流れとして開発しています。実機が現場で働くほどデータが集まり、モデルが賢くなり、ロボットがさらに働けるようになる。このデータの循環を、日本の工場の現場とサンフランシスコの両方から回しています。

実機から集めたデータを使い、オフライン強化学習でロボットの動作を改善する仕組みを担っていただきます。

お任せしたいこと

• オフライン強化学習の手法の実装と評価
• タスクごとの報酬設計・報酬モデルの構築
• 実機データでの学習と効果の検証

Requirements

Highlanders は、ヒューマノイドロボットと、フィジカルAI（現実の世界で体を動かすAI）の基盤モデル、そしてその学習データを生み出すロボットの群れを、一つの流れとして開発しています。実機が現場で働くほどデータが集まり、モデルが賢くなり、ロボットがさらに働けるようになる。このデータの循環を、日本の工場の現場とサンフランシスコの両方から回しています。

実機から集めたデータを使い、オフライン強化学習でロボットの動作を改善する仕組みを担っていただきます。

お任せしたいこと

• オフライン強化学習の手法の実装と評価
• タスクごとの報酬設計・報酬モデルの構築
• 実機データでの学習と効果の検証

Preferred Experiences

• 報酬モデル・選好学習の経験
• ロボットデータを扱った経験

We are looking for

• データとログから仮説を立て、速く検証できる方

Salary

ご経験・スキルを考慮のうえ、面談にてご提示します。

Location

San Francisco, CA（米国）または所沢開発拠点（埼玉県所沢市）

※どちらの拠点での勤務も可能です。ご希望をお聞かせください。

Job Type

正社員（業務委託・副業での参画もご相談可）

Work hours

勤務時間：9:00〜18:00

休日・休暇：完全週休二日制

Probation period

6か月

Benefits

• 社会保険完備（健康保険、厚生年金保険、雇用保険、労災保険）
• 英会話手当
• 引越し手当

#J-18808-Ljbffr