“実機と制御理論をつなぎ、無人化施工の未来を動かす。” ｜ “Bridge control theory and real machines — and move the future of autonomous construction.”
(Japanese version follows English)
EARTHBRAINについて
株式会社EARTHBRAINは、建設現場の主要な作業をデジタル化する「Smart Construction®シリーズ」を開発・提供し、世界のインフラづくりを変革しています。
2025年時点で、国内外約1万件の現場に導入されており、建設ICTソリューションとして国内トップクラスの実績を誇ります。世界27カ国で展開するグローバルプロダクトとして、社会課題の解決に直結する技術を提供しています。
募集背景
EARTHBRAINのAIチームは、点群認識・3Dモデリング・重機の経路計画など高度な研究開発を推進してきました。無人化施工の技術はここ数年で急速に進化し、アルゴリズムの高度化・シミュレーション環境の整備が大きく進んでいます。
しかし、自律制御の精度を実機レベルで高めるためには、「制御アルゴリズムの性能はモデルの精度に依存する」という根本的な課題があります。どれほど優れた制御アルゴリズムを実装しても、建機の動特性を正確にとらえたモデルがなければ、実機では意図通りに動きません。日々の開発・検証を重ねる中で、この システム同定・モデル推定 領域の専門性が制御精度向上のボトルネックであることが明確になってきました。
EARTHBRAINはいま、この領域のさらなる深化を担う専門人材を必要としています。制御精度を次のレベルへ引き上げるために、本ポジションを新設します。
業務内容
システム同定・モデル構築
- ブルドーザー等の建機を対象とした実機データ収集の設計・実施（センサー設計、周期設計、データパイプライン整備）
- 収集データをもとにした状態空間モデル（A, B行列）の推定・検証
- 統計的フィッティングによるモデルパラメータの最適化
- AGX Dynamics / NVIDIA IsaacSim等の物理シミュレーターを用いたモデル精度の検証
制御アルゴリズムの開発・改善
- 高度なモデル予測制御（MPC等）をはじめとする、自律制御アルゴリズムの実装・チューニング ※入社時はLQR等、状態空間表現を用いた最適制御の基礎知識があれば可
- コスト関数（Q/R行列）の設計と最適化
- カルマンフィルタ等の状態推定モジュールの実装・改善
チーム横断の技術連携
- 実機検証時の実験設計・データ収集・結果分析のリード
- 制御アルゴリズムの実装ノウハウのチーム内展開・ナレッジ共有
- AIチームと連携した実験環境・データパイプラインの整備
必須スキル・経験
◆ 制御工学の理論的背景
- 状態空間モデル（状態方程式・観測方程式）の理解と実装経験
- 状態空間表現を用いた最適制御（LQR、LQG等）の設計および実装経験
- カルマンフィルタ等の状態推定の理論的理解と実装経験
◆ 実装スキル
- C++による制御系・リアルタイム処理の実装経験（必須）
- Pythonによる制御系実装（casadi / acados / scipy等いずれか）
- システム同定・Model Estimationの実務経験（3年以上目安）
◆ シミュレーション・検証
- 物理シミュレーター（AGX Dynamics / NVIDIA IsaacSim / Gazebo等）を用いた制御検証経験
- 実機ロボット・建機・自動車等での制御実装経験
- 一般的な車両ダイナミクスの知識
歓迎スキル・経験
- サンプリングベースの予測制御や、高度な非線形MPCの実装経験（IsaacSimとの統合を含む）
- GPU / CUDA等を用いた並列計算による制御アルゴリズムの高速化実装経験
- 強化学習とMPCのハイブリッド設計経験（EtoEとMPCの組み合わせ）
- ROSを用いたロボットシステムの開発経験
- MATLAB / Simscapeを用いた制御設計・プロトタイピング経験
- 非線形システム同定・非線形MPC（NMPC）の実装経験
- 建設・農業・宇宙探査ローバー等の特殊環境での車両制御経験
- 技術的な内容を英語でコミュニケーションできること
求める人物像
- 制御理論の数学的背景を理解しつつ、実機に実装することに本質的な喜びを感じられる方
- 「理論がなぜ現実とズレるか」を分析し、データと実験をもとに粘り強く改善できる方
- 異なる専門性を持つメンバーと協働し、知見を積極的に共有できる方
- 無人化施工・Civil Techという新領域の社会課題解決に情熱を持てる方
- 不確実な実機環境での試行錯誤を楽しめる方
このポジションの魅力
制御理論 × AI × 実機の最前線
現代制御工学の最先端手法を、実際の建機に実装する唯一無二の機会。制御理論が現場で動く瞬間を体験できます。
建設業における世界最先端の自律施工
世界27カ国で展開するSmart Construction®を基盤に、完全無人化施工という社会的意義の高いテーマに挑戦できます。あなたの実装が実際の現場の安全性と生産性に直結します。
制御・AI・現場、すべての知見にアクセスできるポジション
自律制御の開発チームとAIチームの双方と密接に連携し、制御理論・機械学習・実機検証それぞれの専門性を横断的に吸収できる環境です。どちらかのチームの専属になるのではなく、両方の知見を活かしながら無人化施工の技術的完成度を高めることがミッションです。
技術スタック
制御・最適化
MPC / NMPC, LQR / LQG, casadi, acados, scipy
シミュレーター
AGX Dynamics, NVIDIA IsaacSim, Gazebo
プログラミング言語
C++（必須）, Python
GPU / 並列計算
CUDA, NVIDIA GPU（歓迎）
状態推定
Kalman Filter, EKF, UKF
その他（参考）
MATLAB / Simscape, ROS
About EARTHBRAIN
EARTHBRAIN develops and provides the "Smart Construction®" series, digitizing key construction site operations and transforming infrastructure development worldwide.
As of 2025, the solution has been deployed to approximately 10,000 job sites domestically and internationally, making it one of Japan's leading construction ICT solutions. Deployed across 27 countries, our global products directly address critical social infrastructure challenges.
Background
EARTHBRAIN's AI team has built deep expertise in point cloud recognition, 3D modeling, and autonomous heavy equipment path planning. Over recent years, our autonomous construction capabilities have advanced significantly — with more sophisticated algorithms and increasingly mature simulation environments.
However, a fundamental challenge remains: the performance of any control algorithm is only as good as the model underneath it. No matter how advanced the control implementation, it cannot achieve real-machine precision without an accurate model of the machine's dynamics. Through our day-to-day development and validation work, it has become clear that expertise in system identification and model estimation is the primary bottleneck limiting our control accuracy in real-world conditions.
EARTHBRAIN is now looking for a specialist to drive the next level of depth in this domain. This position is newly created to raise our control accuracy to the next stage.
Responsibilities
System Identification & Model Building
- Design and execute real-machine data collection for bulldozers and other construction equipment (sensor design, sampling frequency, data pipeline setup)
- Estimate and validate state-space models (A, B matrices) from collected sensor data
- Optimize model parameters through statistical fitting
- Validate model accuracy using high-fidelity physical simulators (AGX Dynamics / NVIDIA IsaacSim)
Control Algorithm Development & Improvement
- Implement and tune advanced model predictive control (MPC and beyond) for autonomous construction equipment ※Candidates with foundational knowledge of optimal control using state-space representation (LQR, etc.) are welcome
- Design and optimize cost functions (Q/R matrices)
- Implement and improve state estimation modules (Kalman filters and variants)
Cross-team Technical Collaboration
- Lead experiment design, data collection, and result analysis during real-machine validation
- Share control algorithm implementation knowledge within the team
- Collaborate with the AI team on experimental environments and data pipeline infrastructure
Required Skills & Experience
◆ Control Engineering Foundation
- Understanding and implementation experience with state-space models (state and observation equations)
- Design and implementation experience with optimal control using state-space representation (LQR, LQG, etc.)
- Theoretical understanding and implementation of Kalman filters or equivalent state estimators
◆ Implementation Skills
- C++ for control systems and real-time processing (required)
- Python-based control implementation (casadi / acados / scipy or equivalent)
- 3+ years of hands-on system identification / model estimation experience
◆ Simulation & Validation
- Control validation with physical simulators (AGX Dynamics / NVIDIA IsaacSim / Gazebo or equivalent)
- Real-machine control implementation in robotics, automotive, or industrial equipment
- General vehicle dynamics knowledge (understanding of standard vehicle models)
Preferred Skills & Experience
- Sampling-based predictive control or advanced nonlinear MPC implementation experience (including integration with IsaacSim)
- GPU / CUDA parallel computing for control algorithm acceleration
- Hybrid control design combining reinforcement learning and MPC (end-to-end + MPC)
- Robot system development experience with ROS
- Control design and prototyping with MATLAB / Simscape
- Nonlinear system identification or Nonlinear MPC (NMPC) implementation
- Vehicle control in specialized environments: construction, agriculture, space rovers, etc.
- Ability to communicate technical topics in English
Ideal Candidate
- Someone who finds genuine satisfaction in implementing theoretically grounded control on real machines
- Someone who analyzes why theory diverges from reality and persistently improves through data and experimentation
- Someone who collaborates effectively with specialists from different domains and actively shares knowledge
- Someone passionate about solving societal challenges through autonomous construction and Civil Tech
- Someone who thrives on trial and error in uncertain, real-machine environments
Why This Role
At the frontier of control theory × AI × real machines
A rare opportunity to implement advanced modern control on actual construction equipment. You will experience the moment when theory runs on real machines in the field.
World-leading autonomous construction
Built on Smart Construction®, deployed in 27 countries, this role addresses a high-impact challenge: fully autonomous operation of dangerous construction sites. Your implementations directly affect on-site safety and productivity worldwide.
Access to the full stack — controls, AI, and field expertise
You will work closely with both the autonomous control development team and the AI team, with direct access to expertise spanning control theory, machine learning, and real-machine validation. Rather than being siloed in a single team, your mission is to bridge both worlds and drive the technical completeness of our autonomous construction system.
Tech Stack
Control / Optimization
MPC / NMPC, LQR / LQG, casadi, acados, scipy
Simulators
AGX Dynamics, NVIDIA IsaacSim, Gazebo
Languages
C++ (required), Python
GPU / Parallel Computing
CUDA, NVIDIA GPU(preferred)
State Estimation
Kalman Filter, EKF, UKF
Other (reference)
MATLAB / Simscape, ROS
| 職種 / 募集ポジション | 制御エンジニア｜Controls Engineer |
|---|---|
| 雇用形態 | 正社員 |
| 給与 |
|
| 勤務地 | 【最寄駅】 ・南北線「六本木一丁目」駅直結 ・日比谷線「神谷町」駅 4b出口より徒歩7分 ・銀座線・南北線「溜池山王」駅 13番出口より徒歩7分 ・日比谷線・都営大江戸線「六本木」駅 5番出口より徒歩9分 【喫煙環境】屋内全面禁煙 【転勤】当面無し ※当社は出社とリモートのハイブリッド勤務となっており、原則週2日は出社していただく必要がございます。 |
| 勤務時間 | 裁量労働制 ※裁量労働制(企画業務型/専門業務型)により、 出退勤の時間は自由であり、10時間働いたものとみなされます。 |
| 休日・休暇 | 年間休日日数：128日 完全週休2日制(土日)、祝日、有給休暇、年末年始休暇、夏期休暇他 |
| 諸手当・ 福利厚生 | 健康保険、雇用保険、労災保険、厚生年金 通勤手当(会社規定に基づき支給)、時間外手当 当社では生成AIを積極的に活用し、開発生産性の向上を目指しています。 「2025～2030年の間に、売上高およびエンジニア数に基づく生産性を3倍にする」という目標のもと、GitHub Copilot、Cursor、Cline、Devin、DifyなどのAIツールを、コードの自動補完・生成から日常業務の効率化まで、さまざまな業務に利用しています。 なお、GitHub Copilotは原則全社員にライセンスを付与しており、Cline、Devin、Difyについては有志による検証を進めています。 |
| 試用期間 | 有 2ヶ月 （試用期間中の勤務条件：変更無） |
| その他 | 人事制度改訂中のため、諸制度は変更・追加の可能性がございます。 |
| 会社名 | 株式会社EARTHBRAIN |
|---|---|
| 商号 | 株式会社EARTHBRAIN（英名：EARTHBRAIN Ltd.） |
| 所在地 | 〒106-6029 東京都港区六本木一丁目6番1号 泉ガーデンタワー 29階 |
| 代表者 | 代表取締役会長 四家 千佳史 代表取締役社長 小野寺 昭則 |
| 設立日 | 2021年7月1日 |
| 資本金等 | 368.7億円（資本準備金含む） |
| 事業内容 | 建設業向けデジタルソリューション（現場可視化デバイス、プラットフォーム、アプリケーション）の開発、提供、保守など |
| 従業員数 | 約200名 |