【インターンシップ】AI/MLエンジニア（Vision Language Model・動画認識）

【業務内容】

製造業向け作業分析ツールの機械学習・DeepLearningモデル・アルゴリズム開発

• ・製造現場の作業動画を解析するVision Language Modelの研究開発・改善
• ・行動認識・姿勢推定・物体検出など、Computer Vision領域のモデル設計・学習・評価
• ・多様な現場環境（照明・カメラ角度・作業内容）に対応するロバスト性の向上
• ・エッジデバイス上での大規模モデルの最適化・デプロイ
• ・製造ラインにおけるリアルタイム推論パイプラインの構築
• ・モデルの量子化・蒸留・プルーニングによる軽量化

【東大松尾研発スタートアップ】

株式会社Ollo(オロ)は、東京大学松尾研究室のメンバーを中心に2019年2月に設立されたスタートアップです。現在は10人の少数精鋭のエンジニアにより構成されています。
画像認識を用いて、製造業の人の作業を高精度に分析するプロダクトを作っています。すでにいくつかの大手製造業の企業様に使っていただいています。 現在成長中の会社なので、これから入る方でも大きい裁量で仕事ができます。ChatGPTなどの既存のAPIを利用するのではなく、 Transformerなどを自分たちで学習を回したり、一からアルゴリズムを構築するような仕事が多いです。
今回、プロダクトの機能拡充にあたって機械学習・Deep Learning・アルゴリズムの開発メンバーを募集します。
少数精鋭の中で主体的にプロダクトを構築する経験がしてみたい、やる気のある方を募集しています。

【会社概要】

株式会社Ollo（オロ）は、2019年に東京大学 松尾研究室のメンバーを中心に設立された、製造業向けAIスタートアップです。 「ものづくりの仕事を、ワクワクで溢れさせる」をミッションに掲げ、作業分析AIソフトウェア「Ollo Factory」を開発・提供しています。 代表の川合は松尾研究室出身のエンジニアであり、いまもコードを書き続けています。Ollo Factoryは、日産自動車・スズキをはじめとする国内最大手自動車メーカーに採用され、現在では世界40ヶ国・10,000現場以上で利用されるグローバルプロダクトへと成長しています。

【募集背景】

Olloは、製造現場の作業映像を「見て・理解する」AIから、「見て・理解し・動かす」AIへの進化を推進しています。これまで培ってきた製造業に特化した動画認識AI・VLM技術をもとに、実際の生産ラインで動くロボットの開発を行っています。この新領域を切り拓く中核メンバーとして、ロボティクスエンジニアを募集します。

【業務内容】Physical AI モデルの研究開発
VLA（Vision-Language-Action）/ World Action Model の設計・学習・評価

製造現場の作業映像と動作指示から、ロボットの行動系列を生成するモデルの構築
物理法則・環境制約を考慮したワールドモデルをベースとした行動系列予測モデルの構築
製造現場の自動化実装

製造ラインにおける組立・検査・搬送等のタスク自動化に向けたAIモデルの開発
製造ドメイン特化の学習データセット設計・構築
多様な現場環境（照明・カメラ角度・作業内容・ワークの種類）に対応するロバスト性の向上
Sim2Real パイプラインの構築

物理シミュレータ（NVIDIA Isaac Sim、MuJoCo 等）を用いた学習環境の構築
シミュレーション上で学習したポリシーの実機デプロイと評価ループの設計
学習データ基盤の整備

テレオペレーションや実演データの収集・管理パイプライン構築
動画-行動軌跡ペアデータ、指示文-動作ペアデータなどマルチモーダル学習データの設計
合成データ生成（Synthetic Data）による学習データ拡張

【開発環境】

AI / ML: Python, PyTorch, Tensorflow, Hugging Face Transformers, DeepSpeed
エッジ推論: TensorRT, ONNX Runtime, LiteRT (旧 TFLite)
インフラ: AWS, GCP, 社内GPUサーバー
コード管理: GitHub
コミュニケーション: Slack
ドキュメント管理: Notion
コーディング支援: GitHub Copilot, Claude Code, Codex

【魅力・やりがい】

• ・少数精鋭のチームで、立ち上がったばかりのサービス開発をするため、一人当たりの裁量や権限が大きい。
• ・大手企業への導入実績もあり、今後のさらなる拡大フェーズを体験できる。
• ・東大出身のAI技術者が会社のほとんどを占めており、AI技術についてハイレベルに学べる。
• ・経験豊かな経営陣、営業担当者が多数在籍しているため、安定した取り組みが可能。
• ・拡大フェーズ

弊社プロダクトは大手企業に導入され、現在事業拡大フェーズに突入しています。インターン生でも自分たちの開発したプロダクトが人の役に立っていると実感できるとともに、会社が成⻑しているのを肌で感じられます。

必須スキル

以下のいずれかの経験

• ・動画・画像認識（物体検出、行動認識、セグメンテーション等）
• ・VLM / マルチモーダルモデル（Vision-Language系モデルの学習・活用）
• ・LLM（ファインチューニング、RAG、プロンプトエンジニアリング等）
• ・Python を用いたソフトウェア開発経験（1年以上）
• ・Deep Learningフレームワーク（PyTorch 等）の実践的な利用経験

歓迎スキル

• ・Video Understanding / Action Recognition 分野の研究・開発経験
• ・Vision-Language Modelの学習・活用経験
• ・LLM / VLM の post-training 経験（SFT、instruction tuning、RLHF・・・DPO 等の強化学習ベースのアライメント）
• ・動画や画像を対象としたRAGシステムの設計・構築経験
• ・エッジ推論の最適化（TensorRT、ONNX Runtime、量子化・蒸留等）の経験
• ・リアルタイム映像処理パイプラインの設計・実装経験

給与

時給：1800円〜3000円

勤務地

113 0033 東京都文京区本郷２丁目38番16号　いちご本郷三丁目ビル703

インターンシップ

• 期間：３ヶ月（両者合意のもと延長あり）
• 昇給あり
• 就業時間：週20時間〜
  ※勤務スケジュールはメンターと相談・調整の上決定
  ※応相談 多く働ける方大歓迎
  -諸手当：通勤交通費

設立
2019年2月

代表者
CEO 川合健斗

事業内容

製造業向けのAI Saasを開発しており、具体的には、製造現場での改善活動・品質改善・教育などをより良くするために、作業動画をAIを使って分析し、現場の標準化や問題発見を実行してくれるようなプロダクトを開発しております。

• ★『Ollo Factory』とは★

カメラひとつで工場の作業を解析する画像認識ソフトウェアです。作業現場の動画をアップロードするだけで、AIが自動的に繰り返し作業を検出し、24時間、365日の作業をすべて自動的に計測します。作業のばらつきや抜け、ムダを発見することで、現場の生産性向上に貢献します。

従業員数
20名

資本金
228,000,000円

113 0033 東京都文京区本郷２丁目38番16号　いちご本郷三丁目ビル703

時給：1800円〜3000円