42dotは、自動車技術と物流の接点で事業を展開するモビリティAI企業です。ソフトウェア定義車両技術、自動運転電気自動車、そして都市交通を大規模に展開するために必要なソフトウェアおよびデータ基盤に取り組んでいます。車載ソフトウェア、フリートデータプラットフォーム、認識と制御のためのAIモデルに加え、自動運転サービスの展開を支えるモビリティオペレーティングシステム「TAP!」を開発しています。車載電子技術やソフトウェア中心のアーキテクチャに関する研究と協業を通じて、42dotはモビリティシステムの自動化、適応性、運用性の向上を目指しています。
自動運転強化学習エンジニア
42dotの自動運転モデル向けに、強化学習ポリシーを開発・最適化します。 自己対戦シミュレーション、シナリオ展開、安全性評価を構築し、運転性能を向上させます。
仕事内容
- VLAポリシーとシミュレーター間の観測・行動インターフェースを設計し、GRPOやPPOなどを用いた閉ループ強化学習の追加学習を開発します。
- ベクトルベースまたは占有グリッドベースの運転シミュレーターで自己対戦学習を構築し、自車と交通エージェントが現在のポリシーや過去のチェックポイントを使って相互作用する環境を整えます。
- 将来起こり得るシナリオごとに候補となる行動と軌跡を展開し、期待リターンと安全制約に基づいて行動を選択します。
- 閉ループベンチマークでポリシーの安全性と汎化性能を評価します。
- 報酬ハッキングとシミュレーターの偏りを分析します。
- 有望な強化学習のアイデアを、設計から大規模学習、厳密な評価を経て、運転モデルへの統合まで主導します。
応募要件
- 機械学習、強化学習、またはロボティクス分野で3年以上の経験、もしくは同等の研究開発能力。
- PythonとPyTorchを用いたポリシー学習アルゴリズムの実装、学習、評価の経験。
- ポリシー最適化、報酬設計、信用割当を理解し、強化学習実験を設計できること。
- シミュレーションまたはマルチエージェント環境でポリシーを学習させ、ベースラインと比較して改善を検証した経験。
- 技術的な課題について議論し、海外拠点と協働できる英語コミュニケーション能力。
- 自己対戦、マルチエージェント強化学習、またはポリシー集団学習システムの開発経験があれば尚可。
- GRPOやPPOなどの強化学習による追加学習手法をVLAまたは生成ポリシーに適用した経験があれば尚可。
- ベクトルベースまたは占有グリッドベースの運転シミュレーターでのポリシー学習、もしくは世界モデルを用いたロールアウト計画の開発経験があれば尚可。
- 大規模な並列ロールアウト、分散学習、またはシミュレーションから実環境への検証経験があれば尚可。
福利厚生
- 適用法令に基づき雇用上の保護対象となる方、および退役軍人を優先します。
- 障害者登録証を所持する応募者を優先します。
- 面接プロセス終了後、応募者の同意を得たうえでリファレンスチェックを実施する場合があります。
- 3か月の試用期間が適用される場合があります。