Job offer curation - ⁨LiDAR⁩

トラックを用いたレベル4自動運転システムの開発を担います。自動運転は周囲の環境を高精度に認識し安全かつ快適な走行経路に車両を導くというタスクです。様々な技術的チャレンジがあり、機械学習、数理最適化、シミュレーション、組み込みシステムなど幅広い分野で人材を募集しています。 Perception チームでは現在 Camera・LiDAR・Radar を用いたマルチモーダル3次元物体検出器を開発しており、開発したモデルは既に実車両にデプロイされ、公道走行に用いられております。T2ではデータ収集、アノテーションパイプライン、モデル開発、デプロイまで全て内製で開発しており、機械学習インフラにも投資がされております。 本チームではこの3次元物体検出器にトラッキング・Predictionおよび周辺環境認識含めた機能の開発を担っています。このポジションでは、特に車載のエッジデバイス上でこれらの機能を実現する高品質・高効率なソフトウェアコンポーネントの設計・開発・評価に携わっていただきます。 ■開発環境/技術スタック 言語: C/C++ (14/17), python ミドルウェア、フレームワーク: CUDA / Eigen / OpenCV / TensorRT / ONNX OS: ubuntu その他: Slack / Git / GitHub Copilot / JIRA / Confluence

自動運転技術の発展とともに、大規模なデータ処理基盤やAIシステムの高度化が求められています。高度な技術的挑戦を楽しみながら、社会的インパクトの大きい開発に関わりたい方を歓迎します。 MLOps Engineerとして、機械学習モデル開発・運用サイクル構築をリードいただきます。 2025年度中に1ヶ月間に1PB以上の走行データを新規に保存・解析・開発に利用できるクラウド基盤の構築を目指しております。 膨大な量のデータから、機械学習用モデル開発に必要となるデータを半自動的に収集し、アノテーションデータの構築までを1週間以内に実現するオペレーションを構築します。 クラウドネイティブな最新技術を駆使し、ゼロから大規模システムを構築できます。 取り扱うデータは、カメラ、LiDAR、RadarおよびGNSSなどセンサーデータに加え、自動運転システム内部状態など様々な特性・形式を持っております。 クラウド上に機械学習用GPU100台以上を運用し効率的な学習基盤を構築します。 例えば以下のような業務があります。 - 機械学習モデルの開発・デプロイ・モニタリング基盤の構築・運用・最適化 - 物体検出・Occupancy Prediction・Online HD Mapping・Drivable Area - Estimation・VLM などのモデル開発を支援するデータパイプラインの構築 - 機械学習・AIモデルの学習・評価に適したデータ管理戦略の立案 - アノテーションパイプラインの構築および最適化 - 実験管理の構築および自動化（Weights & Biasesなどの導入、内製開発） - コンテナ化（Docker, Kubernetes）によるスケーラブルなML基盤の構築 - CI/CDパイプラインの設計・運用 - クラウド上での大規模分散学習環境の構築・最適化 魅力・やりがい - 自動運転システムの走行データという特殊なデータを扱うことができます。 - 0から新しくシステムの立ち上げに関わることができます。 【開発環境】 開発言語：TypeScript、Python インフラ：Google Cloud Platform 構成管理：Terraform ソースコード管理：GitHub CI/CD：Github Action、Cloud Run コミュニケーションツール：Slack、Google meet タスク管理：Jira

自動運転技術の発展とともに、大規模なデータ処理基盤やAIシステムの高度化が求められています。高度な技術的挑戦を楽しみながら、社会的インパクトの大きい開発に関わりたい方を歓迎します。 2025年度中に1ヶ月間に1PB以上の走行データを新規に保存・解析・開発に利用できるクラウド基盤の構築を目指し、最先端のデータインフラ設計・構築・運用に携われる機会をご提供致します。 クラウドネイティブな最新技術を駆使し、ゼロから大規模システムを構築できます。 取り扱うデータは、カメラ、LiDAR、RadarおよびGNSSなどセンサーデータに加え、自動運転システム内部状態など様々な特性・形式を持っております。 例えば以下のような業務があります。 - 自動運転データの収集・検索・分析基盤の設計・構築・運用 - 大規模な走行データを処理するパイプラインの開発・最適化 - データの品質管理および異常検知のためのシステム開発 - 機械学習・AIモデルの学習・評価に適したデータ管理戦略の立案 - リアルタイムデータストリーミングやETLパイプラインの開発 魅力・やりがい - 自動運転システムの走行データという特殊なデータを扱うことができます。 - 0から新しくシステムの立ち上げに関わることができます。 【開発環境】 開発言語：TypeScript、Python インフラ：Google Cloud Platform 構成管理：Terraform ソースコード管理：GitHub CI/CD：Github Action、Cloud Run コミュニケーションツール：Slack、Google meet タスク管理：Jira