jinbay無料で相談する

職務経歴書の記入例

ロボット学習エンジニア(模倣学習・強化学習)の職務経歴書 記入例

ロボット学習の経験は、フィジカルAIのスタートアップで最も求められているものの1つです。ただ、論文の手法を再現しただけなのか、実機で何百回も試して成功率を上げたのかで、評価は大きく変わります。電機メーカーの研究所でロボット学習を担当してきた人の記入例で解説します。

更新日 2026年11月16日 / 書いた人 上田 英介(ジンベイ株式会社 代表取締役/職業紹介責任者)

記入例の人物:博士課程でロボットの強化学習を研究したあと、電機メーカーの研究所で8年。強化学習による把持、遠隔操作での模倣学習、VLA のファインチューニングを担当。36歳。
人物・会社・数字はすべて架空です。

職務経歴書

2026年11月16日現在

氏名 松本 直樹

■ 職務要約

博士課程でロボットの強化学習を研究し、博士(工学)を取得しました。その後、株式会社〇〇(電機メーカー)の研究所で8年、ロボット学習の研究開発を担当しています。強化学習による把持から始め、2021年からは遠隔操作でのデータ収集と模倣学習、2024年からは VLA(視覚・言語・動作を扱うモデル)のファインチューニングをリードしています。模倣学習では、食器を片付けるタスクの実機での成功率を54%から83%に上げ、その成果は事業部の業務用ロボットの試作に使われています。

■ 活かせる経験・知識・技術

  • 模倣学習(拡散モデルを使った方策など)と強化学習の、実機での学習と評価
  • 遠隔操作によるデータ収集の仕組みづくり(装置、記録、データの選別)
  • VLA のファインチューニングと、学習していない物体・指示への汎化の評価
  • シミュレーションから実機への移行(ドメインランダム化、物理パラメータの調整)
  • 実機での安全の確保(力・速度の制限、動作範囲の制限、非常停止)

■ テクニカルスキル

言語Python(8年8か月)、C++(6年)
フレームワーク・ライブラリPyTorch(8年8か月)、ROS 2(5年8か月)、ros2_control(3年)、MuJoCo(3年)、PyBullet(3年)、ROS(3年)、Hugging Face Transformers(2年8か月)
機械学習・生成AI模倣学習(拡散モデルを使った方策)(3年)、強化学習(3年)、VLA(視覚・言語・動作を扱うモデル)(2年8か月)、LoRA(2年8か月)
OS・クラウド・インフラUbuntu(8年8か月)、GPU クラスタ(8GPU×4台)(2年8か月)、Docker(2年8か月)
ツールリーダー・フォロワー型の遠隔操作装置(3年)、rosbag2(3年)、Weights & Biases(2年8か月)、Slurm

■ 職務経歴

株式会社〇〇(2018年4月〜現在)

事業内容:家電・業務用機器の開発・製造(研究所に所属) 従業員数:約20,000名 雇用形態:正社員

所属・役職:研究開発本部 ロボティクス研究所 主任研究員(2023年4月〜)

2024年4月〜現在

VLA のファインチューニングによる言語指示での物体操作

「赤いコップを右のトレイに置いて」のような言葉の指示で、アームが物を操作できるようにするため、公開されている VLA を自社のデータでファインチューニング。

【役割】リーダー 【規模】チーム5名

【担当工程】要件定義、基本設計、実装・単体テスト、データ整備、モデル開発・評価、実機検証

【取り組み】

  • 自社のアーム2種で、約3,000エピソードの遠隔操作データに言葉の指示を付けて学習データにした
  • 物体・配置・指示の言い方を、学習に使ったものと使っていないものに分けて評価のセットを作り、実機で毎週同じ条件で評価した
  • 推論が遅く動作がぎこちなくなる問題に対し、数ステップ分の動作をまとめて出力させ、制御の周期と分けて実行した
  • 学習した方策の出力に、関節の速度と手先の力の上限、動作範囲の制限をかけてからロボットに送る層を設けた

【成果】

  • 学習に使っていない12種の物体での成功率を、ファインチューニング前の31%から68%に改善
  • 評価の延べ試行 約4,000回で、安全の制限による停止はあったが、人や設備への接触はゼロ

【使用技術】Python、PyTorch、ROS 2、Hugging Face Transformers、VLA(視覚・言語・動作を扱うモデル)、LoRA、Ubuntu、GPU クラスタ(8GPU×4台)、Docker、Weights & Biases

2021年4月〜2024年3月

遠隔操作によるデータ収集と模倣学習

家事・業務用ロボットに向けて、人が遠隔操作で教えたデータから、食器の片付けや布をたたむ動作を学習する研究開発。

【役割】リーダー(2022年〜) 【規模】チーム4名

【担当工程】基本設計、実装・単体テスト、データ整備、モデル開発・評価、実機検証

【取り組み】

  • 同じ形の小型アームを人が動かし、その動きを実際のアームが追う遠隔操作装置を事業部と共同で作った
  • カメラ3台の画像と関節の状態を rosbag2 で記録し、学習用の形式に自動で変換するしくみを作った
  • 操作者による動きのばらつきが成功率を下げていたため、操作の手順書を作り、失敗したエピソードを自動で見分けて除いた
  • 評価の配置10種を決め、各20回の試行で成功率を測る手順を研究所の標準にした

【成果】

  • 食器を片付けるタスクの成功率を、54%から83%に改善(10種の配置×各20回)
  • 1時間に集められるエピソード数を、約20から約60に増加
  • 成果が事業部の業務用ロボットの試作に採用

【使用技術】Python、C++、PyTorch、ROS 2、ros2_control、模倣学習(拡散モデルを使った方策)、Ubuntu、リーダー・フォロワー型の遠隔操作装置、rosbag2

2018年4月〜2021年3月

シミュレーションで学習した強化学習による把持

さまざまな形の日用品をつかむ方策を、シミュレーションの中で強化学習で学習し、実機に移す研究。

【役割】メンバー 【規模】チーム3名

【担当工程】実装・単体テスト、モデル開発・評価、実機検証

【取り組み】

  • 物の質量・摩擦・カメラの位置と画角をランダムに変えて学習し、実機との差を吸収するようにした
  • 実機の把持を数百回撮影して、シミュレーションの接触のパラメータを合わせた

【成果】

  • 追加の学習なしで、実機の50種の日用品で把持の成功率91%
  • 国際会議で論文を発表(筆頭)

【使用技術】Python、C++、PyTorch、MuJoCo、PyBullet、ROS、強化学習、Ubuntu

■ 資格

  • 2019年5月 TOEIC 905点

■ 社外での活動

  • ロボティクスの国際会議に筆頭で論文2本、共著で3本採択
  • 遠隔操作で集めたデータの一部を社外に公開(2023年)
  • 大学の非常勤講師として、ロボット学習の講義を担当(2024年〜)

■ URL

  • GitHub:https://github.com/example
  • 論文リスト:https://example.com/publications

■ 自己PR

研究の成果を、実機で何度も同じように動く形にすることを大切にしてきました。模倣学習では、手法を変えるより先に、評価の配置と回数を決めてから改善を始めました。条件が揃ったことで、データの質を上げる改善と手法を変える改善のどちらが効いたかが分かり、チームの判断が速くなりました。

研究所で身につけた実機での学習と評価の経験を活かし、ロボットが実際の現場で使われるところまで、早い速度で改善を回す仕事に取り組みたいと考えています。

以上

ダウンロードは登録なしで使えます。経験年数は、各プロジェクトの期間から自動で計算しています。

ロボット学習エンジニア(模倣学習・強化学習)の職務経歴書で、見られる点

  1. 01

    実機での成功率を、評価の条件とあわせて書いているか

    ロボット学習の成果は、実機で何回試して何回成功したかで示します。物体の種類、置き方、試行の回数など、評価の条件を決めて書くと、数字の信頼性が伝わります。シミュレーションだけの結果と分けて書きます。

  2. 02

    データ収集の仕組みを作ったか

    模倣学習では、良いデータをどれだけ効率よく集められるかが成果を左右します。遠隔操作の装置、1時間に集められる量、失敗したデータの扱いなど、データ収集の仕組みを作った経験は特に評価されます。

  3. 03

    学習していない条件への汎化を確かめたか

    学習に使った物体や配置では動いても、新しい物体や場所では失敗することがよくあります。学習に使っていない条件でどこまで動いたか、汎化をどう測ったかを書くと、研究の質が伝わります。

  4. 04

    実機での安全をどう確保したか

    学習した方策(行動を決めるモデル)は、思わぬ動きをすることがあります。力の上限、動作範囲の制限、非常停止など、学習の外側でどう安全を確保したかを書くと、実機を長く扱ってきた人だと伝わります。

欄ごとの書き方

職務要約
強化学習・模倣学習・VLA のどれを、どんなロボットとタスクで扱ったかを最初に書きます。研究所の人は、製品や事業部への技術移管があれば必ず入れます。
職務経歴
成果には、実機での成功率、データの量(エピソード数・時間)、学習の規模(GPU の数・時間)を書きます。手法は、論文名ではなく何をする手法かを一言で説明します。
論文・登壇など
国際会議の論文や、公開したデータセット・コードは、この職種では強い材料になります。採択された会議の種類と、自分の役割(筆頭か共著か)を書きます。
自己PR
研究の進め方よりも、実機で結果を出すまでに何を工夫したかを書きます。スタートアップでは、研究と製品の間をつなげる人が求められています。

よくある書き方を、こう直す

よくある書き方

模倣学習を用いてロボットに家事タスクを学習させた。

直した書き方

遠隔操作で集めた1,200エピソードで、拡散モデルを使った方策を学習し、食器を片付けるタスクの実機での成功率を、10種の配置×各20回の評価で54%から83%に上げた。

データの量、手法の種類、評価の条件、成功率が揃うと、成果の大きさを判断できます。

よくある書き方

VLA モデルの研究開発に従事。

直した書き方

公開されている VLA を、自社のアームで集めた約3,000エピソードでファインチューニングし、学習に使っていない12種の物体での把持・配置の成功率を31%から68%に上げた。

どのデータで、学習していない条件にどこまで汎化したかを書くと、研究の質が伝わります。

よくある書き方

強化学習による把持の研究を実施。

直した書き方

シミュレーションで学習した把持の方策を、物の質量・摩擦・カメラの位置をランダムに変えて学習することで、追加の学習なしで実機の成功率91%を出した。

シミュレーションから実機へどう移したかは、面接でも必ず聞かれる点です。

あわせて読みたい