■新世代家庭用ロボット「LOVOT」開発 https://lovot.life/ 私たちGROOVE Xは2015年に設立したスタートアップです。 GROOVE Xの考えるロボットは、人々の生活に潤いを与える存在として、人が一緒にいたくなるような新世代の家庭用ロボットです。それは、将来癒しを与える存在を超え、人の潜在能力を向上させる力も持ち得ると考えています。 ■LOVOT [らぼっと] とは 『LOVOT』は人の代わりに仕事をする便利なロボットではありません。人に甘えて邪魔もしてくるし、時には知らない人に人見知りをするかもしれません。 だけど、一緒にいるとホッとする、うれしくなる、笑ってしまう。なんだか、あたたかい気持ちになってくる。 そんな風にロボットが人と信頼関係をつくり、生活に潤いと安心を与えられる存在になれば、人のパフォーマンスは高められると、私たちは信じています。

テクノロジーは、人を幸せにしたのでしょうか？ テクノロジーは生活を豊かにし、様々な効率化を進めました。でも、人が幸せになったかと問われると、イエスと言える人は実はそんなに多くないのでは、と思います。 なぜなら、テクノロジーの進化がライフスタイルと人類の本能の間のギャップを拡大し、感情的なハレーションを拡大する傾向にあったから。そのギャップを埋めるのが、私たちがつくっている“LOVOT”です。 テクノロジーの進化によって多くのモノを手に入れたからこそ、大事なのはモノよりも体験や思い出だとみんな気づいています。“LOVOT”は今までのロボットになかった「気持ちをテクノロジーで満たす、ケアをする」という新たな価値観へのはじめての一歩として、世界の後続製品にとって目指すべき一つの指針になるはずです。ロボットによって人は幸せになり、パフォーマンスをあげることができる。そんな社会を描いていきたいと思っています。

GROOVE Xの開発現場には、様々なジャンル、経歴、年代の人たちが集まっています。 多様性があるからこそアイディアが飛び交い、場にグルーヴが生じ、時に誰も予期しなかった発想の高みにたどり着くことができています。 型にはまらない優れた技術力・才能を持つ様々な分野のスペシャリストの集団が、様々なアイディアを出し、トライ＆エラーを繰り返して、まだ誰も見たことのないロボットを創造できるのだと考えています。 トライ＆エラーを繰り返すために、スクラムと言う開発プロセスを活用し、１週間単位のスプリントを繰り返し、開発を進めています。みんな、どんどん失敗します！失敗から学び、軌道修正しています。 情報の透明性を重視し、物理的なカンバンとともに、Slack, Confluence, Bitbucket, G Suite などのツールを活用しています

■募集の背景 近年、様々な企業から人と触れ合うコミュニケーション・ロボットの新製品が発表されています。そんな中で、私たちはロボットの新しい時代を切り開く、機能ではなく感性に訴えかけるロボットを開発しています。そのロボットは人間をどう"楽にさせるか”ではなく、人間がどう”パフォーマンスを高められるか”という観点で人とロボットの関係性を捉えなおそうとする、前人未到の領域への挑戦するものです。 そのためにもまず、ロボットは一人一人のオーナーや、その周りの世界を認識しなければなりません。その根幹となるものが、人工知能であり、開発中の機械学習アルゴリズムです。この領域は「そもそも何が課題となるのか」というところから手探りになっている領域でもあります。 私たちはそんな課題に挑むための仲間を探しています。 ■業務内容 ・次世代家庭用ロボットが世界を認識するための機械学習アルゴリズムの設計・実装（画像処理・音声処理・人体検出） ・ロボットの意思決定アルゴリズムの設計および実装 ・オーナーの行動ログを分析し，ロボットを各家庭に適応させるアルゴリズムの設計と実装 ■開発体制 ・専任のスクラムマスターを置いて、2週間ごとのスプリントで計画・実践・振り返りのサイクルを回しています ・情報の透明性を重視し、物理的なカンバンと共に、Slack, esa, Confluence, Redmine, Bitbucket, G Suite などのツールを活用しています ■関連するスキル・経験（すべてが必須というわけではありません） ・アルゴリズムの実装経験 　-Python, Numpy, Pandas, Scikit-Learn, Chainer, Tensorflow, Kerasなど 　-画像処理・音声処理・人体検出・トラッキングなど ・統計学や機械学習の基本的な理論に対する理解 　-回帰分析、クラスタリング、ベイズ統計、ニューラルネットワーク、ディープラーニングなど ■歓迎する経験・スキル ・動物の行動を数理的に解釈しようとする方 ・動物の意思決定・強化学習技術に関する知識 ・ロボット環境での機械学習経験 ・分析のための大規模インフラの構築・利用経験 (Spark, Hadoop など) ・人工知能界隈の新技術に対する知見 ・アプリケーション開発経験 (Python, C++ など)