AIエンジニア・Driver Workload Estimation

チームについて

トヨタはモビリティの意味を再定義します。ヒト、モノ、情報、そしてエネルギーを動かし、モビリティの常識に挑み続けます。Woven Cityでは、このような様々なモビリティを生み出し、試すテストコースとして、ヒト中心の街・実証実験の街・未完成の街をコンセプトに、幸せの量産を目指します。

Woven Cityには未来のモビリティへの想いを共有する多様な仲間が集まります。Inventors（インベンターズ／発明家）、住民、ビジターは、ヒト・モビリティ・社会インフラが連携する街の形をしたテストコースで、生活をしながら様々なプロダクトやサービスを実証します。

モビリティBUのInfo Mobility Carチームは、運転者への運転方法提案・声掛けを行うドライバーサポート機能を開発しています。
車内・車外の画像や各種車両センサ情報を活用し、運転者の「忙しさ」や状態を推定するアルゴリズムをコア技術として、より安全で快適な運転体験を実現することを目指しています。
ソフトウェア開発チームやシミュレーションベースの評価チームと連携しながら、機能そのものの性能向上を継続的に推進していきます。

Woven Cityに関する詳細は、以下をご覧ください：
https://www.woven-city.global/jpn/

求める人材

車両のCAN信号や各種車載センサ、ドライバーの操作ログなど 時系列データ を組み合わせ、ML ベースでドライバーの運転負荷（忙しさ）を推定するアルゴリズム開発をリードできる方を求めています。
ドライバー状態または車両運動・センサフュージョン・機械学習の知見を活かしつつ、他の忙しさ指標（周辺車両やVisionベース指標など）とのバランスも意識しながら、より妥当でロバストな運転負荷インデックスを設計・改善できる方を歓迎します。
不確実性の高い領域でも、データから仮説検証を繰り返しながら、関係者と協働してプロダクト価値に結びつけられる方を想定しています。

業務内容

• 車両のCAN信号や各種車載センサ、ドライバーの操作ログなど時系列データを入力とした、MLベースのドライバー運転負荷（忙しさ）推定アルゴリズムの設計・実装・高度化
• 教師データ設計、アノテーション方針、データ前処理・特徴量設計を含む学習データ基盤および評価パイプラインの構築・運用
• CANベースの運転負荷指標と、周辺車両の情報や画像ベースの指標など他の忙しさ指標を組み合わせるためのロジック検討・改善
• 忙しさ推定結果を運転方法提案・声掛け機能のロジックに取り込むためのインタフェース設計・仕様検討と、機能全体の性能改善の継続的な実施
• ソフトウェアエンジニア／テストエンジニア／UXメンバー等との協働による要件・評価指標のすり合わせ、および実験結果・技術知見の整理・共有
• プロジェクト・業務上の必要に応じ、出張を含め、シミュレータおよび実車試験での評価計画の立案・実施に参加し、実環境での確認と改善サイクルを推進

必須条件

• 主に車両のCAN信号や各種車載センサ、ドライバーの操作ログなど時系列データを対象としたソフトウェア開発・アルゴリズム開発の実務経験（目安：3年以上）
• 機械学習／深層学習、もしくは統計的モデリングを用いたアルゴリズム開発の実務経験
  Python および主要な ML／DL フレームワーク（例：PyTorch, TensorFlow 等）を用いた開発経験
• データ前処理〜特徴量設計〜学習〜評価まで、ML開発プロセス全体を自走できるスキル
  複数ステークホルダーと連携し、技術内容や評価結果をわかりやすく説明できるコミュニケーション能力
• プロジェクトまたは業務上の必要に応じて出張が可能であること
• ビジネスレベルの日本語能力と日常会話レベルの英語力

歓迎条件

• 裾野勤務できる方
• 車載システム、運転支援（ADAS）、ドライバーモニタリング、ロボティクス等の分野における開発・評価経験
• 車両CAN信号や各種車載センサ・ドライバー操作ログなど時系列データを用いた特徴量設計や運転負荷／ドライバー状態推定アルゴリズムの開発経験
• MLモデルのプロダクション導入経験（エッジ／組込み向け最適化、推論パイプライン構築、モデル運用など）
• シミュレータ（Unity等）を用いたアルゴリズム評価やデータ生成の経験
• コンペティションや論文投稿など、ML・信号処理等の分野での対外的なアウトプット実績
• コンピュータサイエンス、電気／電子工学、制御工学、または関連分野における学士号、もしくは同等の実務経験