中途_自動運転／ADAS：機械学習を用いたセンサフュージョンによる自動運転支援機能開発エンジニア

【概要】
機械学習・実車搭載センサを活用した自動運転支援機能の開発

自動車の「目」となるセンサから得られる膨大なデータを活用し、車両周辺の状況の把握や動きを予測するコア技術の開発です。
周辺認識・オブジェクト抽出：LiDAR、カメラ、レーダーなどのセンサデータを統合・解析し、車両周辺の歩行者、自転車、他車両、障害物などの「動かないもの（静的オブジェクト）」「動くもの（動的オブジェクト）」を正確に認識・抽出します。
高精度な移動予測：抽出した動的オブジェクトの動きを、機械学習モデルや高度なアルゴリズムを用いて予測。未来の軌跡を高精度に導き出します。

【具体的な職務内容】
最先端技術の活用と実車環境での検証を通じて、開発の中心メンバーとしてご活躍いただきます。

現行予測機能の性能改善・評価:：
既存の予測アルゴリズムの精度向上に向けた課題特定、性能評価環境の構築、実車データを用いた検証・改善提案を行います。

アルゴリズム研究・新規開発:：
最新の論文や技術動向を常にキャッチアップし、予測性能を飛躍的に向上させる新たな機械学習アルゴリズムやルールベースの探索・選定。PoC（概念実証）から実車実装に向けた適用可能性の検討、実証実験まで一貫して担当します。

実証環境構築・データ分析：
効率的な開発・評価のためのシミュレーション環境や実車評価環境の構築、膨大なセンサデータの分析を通じて、アルゴリズムの性能改善に貢献します。

【案件例】
・カメラ画像を活用した深度推定による路上障害物検出アルゴリズム（モデル）開発
・LiDARデータとカメラ画像を活用した路上障害物の可視化アプリケーションの開発
・LiDARデータを活用した路上障害物検出アルゴリズム開発
・LiDARデータを活用した移動する車両の検出アルゴリズム開発
・LiDARデータを活用した周辺車両（オブジェクト）の軌跡予測モデル開発

【プロジェクトのやりがい】
・システム全体の構成を自分たちで立案し、提案してより良いものを構築できる
・アルゴリズムの選定、検証、適用、評価を自分たちで決めて作業できる

【開発環境】
開発環境：Python3・C・C++
フレームワーク：ROS2
その他開発環境：Linux・Windows
開発支援ツール：Git・GitLab
開発手法：チケット駆動開発
開発内容タイプ：アプリケーション・ミドルウェア・画像処理・機械学習・AI
モビリティ関連（運転支援）
インフラ管理：Docker
AI・データ分析：Pytorch・NumPy

【リモートワークについて】
一部可
※制度としては週2日までが上限となります。