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
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】
【成果】
【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】
【成果】
【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】
【成果】
【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
