⁨LiDAR⁩関連の求人⁨19⁩選

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。本ポジションでは、自動運転に用いる各種センサー（LiDAR、RADAR、カメラ、GNSS、INS、IMU）の仕様検討・選定から評価、キャリブレーション、設備設計に至るまで、センサーシステム全体の構築をリードしていただきます。 また、センサーの高精度な取り扱いやインテグレーションを実現するためのキャリブレーション設備の設計・開発や、外部ベンダーとの協業による調達・検収業務にも携わります。センサー起因の不具合に対してもトラブルシューティングを行い、システムの安定運用に貢献していただきます。 ■業務内容 自動運転システムで使用するセンサー（LiDAR / RADAR / カメラ / GNSS / INS / IMU）の要求仕様定義、選定、調達 センサーの性能評価、ベンチマーク、トラブルシューティング 各種センサーのキャリブレーション手法の開発・実施 キャリブレーション設備（ハード・ソフト）の設計、導入、運用 センサーの取り付けに関わる構造設計との連携 外部委託先との技術調整、業務管理、納品検収 実車両を用いたセンサーシステムの動作確認および精度検証

自動運転トラックを活用した搬送サービス（TaaS: Truck as a Service）に用いるレベル4自動運転車両のシステムアーキテクチャ設計を担っていただきます。 本ポジションでは、ビジネス成功に直結するシステム全体の構想策定を主導し、他部門（ソフトウェア・ハードウェア・安全・セキュリティ、運航管理、遠隔監視・品質部門等）と連携しながら、システム要件定義からアーキテクチャ設計、構成要素（ソフトウェア・ハードウェア）への要求導出、妥当性検証方針の策定まで、開発の青写真を描いていただきます。 ■主な業務内容 - 要件定義・要求管理 　- 自動運転機能（L4）に関する要求分析・要件定義 　- TaaS自動運転システムに必要な要求の作成、分析、管理 　- 要求品質の確保、レビュー、矛盾した要求の整理・改善 　- 要件変更管理および影響分析の実施 　- 要件エンジニアリングの標準化とガイドライン策定 　- 各種要件（機能／非機能／安全／セキュリティなど）の一元管理とトレーサビリティの確保 　- 要件管理ツール（例：Polarion）を用いた管理・運用 　- クラウドプラットフォームとのI/F（API、データ通信、OTA、遠隔監視等）の要件定義・管理 　- 要件管理の観点からのS/W・H/W開発の支援および推進 　- サプライヤーおよび社内関連部門との要件調整・合意形成 - システムアーキテクチャ設計 　- SWアーキテクチャ設計チームとの連携による要件策定 　- System of Systemsを意識した全体構造の可視化と論理アーキテクチャ設計 　- 状態遷移図・アクティビティ図・シーケンス図などの設計監理 - 安全性と信頼性の確保 　- 安全要求・サイバーセキュリティ要求のアーキテクチャへの反映（※要求導出は別担当） 　- 自動運転機能の構成要素に関する機能整合性の確保（構築過渡期含む） - モデリング・検証支援 　- UseCaseおよび要求からのモデル作成（SysML 2.0等） 　- モデルベースによる検証活動の支援 　- 制御モデル（MATLAB/Simulink）の構築・設計レビュー・管理支援 - 技術・関係者連携 　- 利害関係者（社内外／ビジネス・技術）との要求・アーキテクチャの調整・合意形成 　- 他部門（ソフトウェア・ハードウェア・安全・セキュリティ・運航管理・遠隔監視・品質など）との横断的連携と開発推進 - 新しい技術の継続的な調査と導入 　- 文献調査、競合他社動向調査 　- 新技術の導入可能性検証 - 妥当性の検証 　- システム全体とビジネス要求のトレーサビリティ確保 　- システム全体および一部の妥当性検証 　- 第三者（株主や関係省庁など）への説明

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