1010_ML Infrastructure Engineer（MLOps / RoboOps）【正社員】

約30万エピソードを、モデル開発のスピードに変える。データから評価までのML基盤を担う

仕事概要

## 募集背景

ugoは2026年秋、ロボット基盤モデル開発を本格化させる発表を続けました。大量のマルチモーダルデータを集め、学習し、評価する。このサイクルを速く、確実に回す基盤づくりを担うエンジニアを募集します。

##### [GENIACに採択（2026年9月9日発表）](https://ugo.plus/information/2026/09/09/geniac/)

経済産業省・NEDOの事業として、触覚を含む約30万エピソードを自社の製造ラインで集め、組立作業を自律化するVTLAモデルを開発します。

##### [ugo Novaと「ugo Physical AI Fabric」を発表（2026年9月16日発表）](https://ugo.plus/information/2026/09/16/ugo-nova/)

基盤モデル開発を前提に設計した双腕セミヒューマノイド「ugo Nova」と、データ収集からモデル開発までをまとめて提供するサービス群「ugo Physical AI Fabric」を発表しました。

## ポジションの概要

- ロボット学習を支えるML基盤（MLOps）全体を担当します。当社ではこれを **「RoboOps」** と呼んでいます
- 自らモデルを開発するのではなく、モデル開発を速く回すための基盤を構築・運用することがミッションです
- マネジメント業務はありません。まずは得意領域から始め、将来はRoboOps全体のアーキテクトを目指せます
## このポジションの魅力

- **データから学習・評価までを横断して見られる**
ロボット学習のパイプライン全体に関われる、裁量の大きいポジションです。
- **大規模ML基盤ならではの課題に挑める**
分散学習のスケーリングやGPU最適化に取り組めます。
- **世界モデルを使ったオフライン評価を、ロボットで実現する**
自動運転領域で確立されつつある手法を、ロボット領域に応用します。
## 業務内容

- **データ基盤**：映像・行動・力覚などのロボットデータを、取得 → 変換 → ヘルスチェックまで一貫して扱うパイプラインとストレージの構築
- **データキュレーション**：モデルの弱点を起点に、学習に使うデータを自動で選び、再学習につなげる仕組みの構築
- **学習インフラ**：マルチGPUの分散学習、SLURM / KubernetesによるGPUクラスタの管理、学習スループットの最適化
- **評価基盤**：実機評価の前に、世界モデル上で大規模なオフライン評価を行う基盤の構築
- **連携**：研究者・モデル開発者のニーズを、信頼性の高いインフラに落とし込む
## 開発環境

- **言語・フレームワーク**：Python、PyTorch
- **インフラ・学習管理**：AWS、GPU環境、SLURM、Kubernetes、Docker、GitHub Actions
- **分散学習・実験管理**：PyTorch DDP / FSDP、DeepSpeed、Weights & Biases
- **データ**：LeRobotDataset、Safetensors、rosbag / MCAP、Protobuf、FlatBuffers
- **世界モデル**：NVIDIA Cosmos など
- **開発ツール**：Git、Slack、Notion、Claude Code、Codex
## 参考情報

- [コーポレートサイト](https://corp.ugo.plus/)
- [note](https://note.com/ugo_robot)
- ugo Robotics Radio（チームの話を聴く）
- [#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](https://podcasters.spotify.com/pod/show/ugo-robotics-radio/episodes/45_Cross-Talkugo-AIAIugo-nova-e3prpts)
- [#48 集めるだけでは、ロボットは賢くならない。学習を支える「3層」のデータ基盤](https://podcasters.spotify.com/pod/show/ugo-robotics-radio/episodes/48_Tech-Trend3-e3r29fo)
## 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

※変更の範囲：入社後、ご本人の適性により当社業務全般に変更の可能性があります。

必須スキル

## 募集背景

ugoは2026年秋、ロボット基盤モデル開発を本格化させる発表を続けました。大量のマルチモーダルデータを集め、学習し、評価する。このサイクルを速く、確実に回す基盤づくりを担うエンジニアを募集します。

##### [GENIACに採択（2026年9月9日発表）](https://ugo.plus/information/2026/09/09/geniac/)

経済産業省・NEDOの事業として、触覚を含む約30万エピソードを自社の製造ラインで集め、組立作業を自律化するVTLAモデルを開発します。

##### [ugo Novaと「ugo Physical AI Fabric」を発表（2026年9月16日発表）](https://ugo.plus/information/2026/09/16/ugo-nova/)

基盤モデル開発を前提に設計した双腕セミヒューマノイド「ugo Nova」と、データ収集からモデル開発までをまとめて提供するサービス群「ugo Physical AI Fabric」を発表しました。

## ポジションの概要

- ロボット学習を支えるML基盤（MLOps）全体を担当します。当社ではこれを **「RoboOps」** と呼んでいます
- 自らモデルを開発するのではなく、モデル開発を速く回すための基盤を構築・運用することがミッションです
- マネジメント業務はありません。まずは得意領域から始め、将来はRoboOps全体のアーキテクトを目指せます
## このポジションの魅力

- **データから学習・評価までを横断して見られる**
ロボット学習のパイプライン全体に関われる、裁量の大きいポジションです。
- **大規模ML基盤ならではの課題に挑める**
分散学習のスケーリングやGPU最適化に取り組めます。
- **世界モデルを使ったオフライン評価を、ロボットで実現する**
自動運転領域で確立されつつある手法を、ロボット領域に応用します。
## 業務内容

- **データ基盤**：映像・行動・力覚などのロボットデータを、取得 → 変換 → ヘルスチェックまで一貫して扱うパイプラインとストレージの構築
- **データキュレーション**：モデルの弱点を起点に、学習に使うデータを自動で選び、再学習につなげる仕組みの構築
- **学習インフラ**：マルチGPUの分散学習、SLURM / KubernetesによるGPUクラスタの管理、学習スループットの最適化
- **評価基盤**：実機評価の前に、世界モデル上で大規模なオフライン評価を行う基盤の構築
- **連携**：研究者・モデル開発者のニーズを、信頼性の高いインフラに落とし込む
## 開発環境

- **言語・フレームワーク**：Python、PyTorch
- **インフラ・学習管理**：AWS、GPU環境、SLURM、Kubernetes、Docker、GitHub Actions
- **分散学習・実験管理**：PyTorch DDP / FSDP、DeepSpeed、Weights & Biases
- **データ**：LeRobotDataset、Safetensors、rosbag / MCAP、Protobuf、FlatBuffers
- **世界モデル**：NVIDIA Cosmos など
- **開発ツール**：Git、Slack、Notion、Claude Code、Codex
## 参考情報

- [コーポレートサイト](https://corp.ugo.plus/)
- [note](https://note.com/ugo_robot)
- ugo Robotics Radio（チームの話を聴く）
- [#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](https://podcasters.spotify.com/pod/show/ugo-robotics-radio/episodes/45_Cross-Talkugo-AIAIugo-nova-e3prpts)
- [#48 集めるだけでは、ロボットは賢くならない。学習を支える「3層」のデータ基盤](https://podcasters.spotify.com/pod/show/ugo-robotics-radio/episodes/48_Tech-Trend3-e3r29fo)
## 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

※変更の範囲：入社後、ご本人の適性により当社業務全般に変更の可能性があります。

歓迎スキル

**基盤・インフラ**

- 学習ワークロード管理の経験（SLURM、Kubernetes等）
- GPUパフォーマンスチューニング、マルチGPU分散学習（DDP / FSDP / DeepSpeed等）の実務経験
- 学習用コンパイラ、カスタムカーネル等のMLシステムの深い知見

**データ・評価**

- ロボティクス／マルチモーダルデータパイプラインの構築経験
- 大規模データのバージョニング・データレイク・メタデータ管理の経験（LeRobotDataset、rosbag / MCAP等）
- Protobuf、FlatBuffers、MCAP等のシリアライゼーション形式の経験
- 実験管理・評価基盤の構築経験（Weights & Biases等）
- 世界モデルを活用したオフライン評価パイプラインの構築経験（自動運転領域等）

**モデル開発との連携**

- モデル開発の経験（Kaggle等を含む）があり、モデル開発者のニーズを踏まえて学習・データパイプラインや実験管理の基盤をつくった経験

**働き方**

- RoboOps全体（データ〜学習〜評価）を横断的に設計・構築できる素養
- スタートアップや少人数チームで設計・構築・運用を自律的に進めた経験

求める人物像

- 設計・構築・運用・改善を一貫して担えるオーナーシップ志向の方
- 研究者・モデル開発者と密に連携し、スピード感のあるプロジェクトのボトルネックを解消することを楽しめる方
- 自らはモデルを作らずとも、モデル開発を加速させる基盤づくりに価値を見いだせる方
- フットワークが軽く、新技術への興味をお持ちの方

応募概要

給与

■想定年収
700万円〜1100万円(経験能力考慮の上優遇)

勤務地

東京都千代田区東神田1-7-8　（本社）
東京都中央区日本橋馬喰町２丁目３−２ （開発拠点）
※試用期間終了後、一部リモートワーク可

雇用形態

正社員

勤務体系

勤務時間（フレックスタイム制、コアタイム：有 11:00～16:00）
10:00〜19:00（実働8時間）
●年間休日125日
●完全週休二日制(土日祝日)
●有給休暇年間20日一斉付与
●夏季休暇（３日）
●年末年始休業（毎年10日前後）

試用期間

あり（３ヶ月）

福利厚生

●交通費支給
●社会保険完備（雇用保険、労災保険、健康保険、厚生年金保険）
●書籍購入支援制度
●借上社宅制度（現物給与型）