[R&D]Research Scientist - Control/Reinforcement Learning

About Enactic

Building humanoids that learn to care, for facilities and homes worldwide.

Enactic is a deeptech startup building assistive humanoid robots that support and enrich daily life. As aging demographics accelerate and labor shortages grow, we deploy robots where help is needed most: in care facilities and homes.

---

「世界中の家庭や施設に生活支援ヒューマノイドを普及させる」

Enactic は、支援が必要な人の自立性と生活の質（QOL）を高めるヒューマノイドロボットを開発・提供することを使命とするディープテック企業です。

高齢化による深刻な労働力不足という世界的課題に直面する中で、私たちはその解決に貢献することを目指しています。

Responsibilities

As our Controls and Reinforcement Learning Research Scientist, will be responsible for developing high-performance, reliable control systems for robots, including designing, implementing, and tuning motion-control algorithms that enable real robots to acquire advanced motion skills.

Leveraging principles from control theory, reinforcement learning, and multimodal AI models, you will build controllers that balance robustness, adaptability, and real-world feasibility.

You will iteratively validate and refine these algorithms in both simulation environments and on real hardware, continuously elevating system performance.

You will also collaborate closely with hardware, firmware, and AI model development teams to create practical, end-to-end solutions that span robot design, control architectures, learned policies, and deployment on physical robots.

---

Enacticの制御・強化学習リサーチサイエンティストとして、実ロボットが高度な運動スキルを獲得可能にする運動制御アルゴリズムの設計・実装・チューニングを含め、高性能で信頼性の高いロボット制御システムの開発を担当していただきます。

制御理論、強化学習、マルチモーダルAIモデルの知見を活用し、堅牢性・適応性・実環境での実現可能性を兼ね備えたコントローラーを構築します。

シミュレーション環境と実機の双方でアルゴリズムの検証と改善を繰り返し、システム性能を継続的に引き上げます。

また、ハードウェア、ファームウェア、AIモデル開発チームと密に連携し、ロボット設計、制御アーキテクチャ、学習済みポリシー、実機へのデプロイまでを包括する実用的かつエンドツーエンドなソリューションを創出します。

Requirements

・Build motion control systems that perform in real-world environments using our robot platform, leveraging reinforcement learning and iterative experimentation

・Production-grade development experience in C/C++, Python, Docker, Linux, and Git

・Expertise in robotics and control engineering, with specialization in reinforcement learning control

・Experience with robot simulation and real hardware integration (Isaac Sim, MuJoCo, etc.)

・3+ years of research or development experience in robotics AI or related fields

---

・当社のロボットプラットフォームと強化学習、継続的な実験アプローチを活用し、実環境で機能する運動制御システムを構築する能力

・C/C++、Python、Docker、Linux、Gitを用いたプロダクションレベルの開発経験

・ロボティクスおよび制御工学に関する専門知識（特に強化学習制御分野の専門性）

・ロボットシミュレーションおよび実機統合（Isaac Sim、MuJoCoなど）の経験

・ロボティクスAIまたは関連分野における3年以上の研究開発経験

Bonus Qualifications

・Proficiency in RL techniques including domain randomization, curriculum learning, and reward design

・Knowledge of simulation optimization and safety assurance for deploying RL on real robots

・Experience with sensor fusion and state estimation

・Knowledge and implementation experience with force estimation, collision detection, and compliance control

・Deep understanding of humanoid mechanics, actuator control, and sensor integration

・Deep understanding of mechanical engineering, motor characteristics, and drive/transmission mechanisms

・Track record researching and developing cutting-edge algorithms for robot perception, dexterous manipulation, planning, and reasoning

・Led advanced AI or robotics projects from R&D through stable real-world deployment

---

・ドメインランダマイゼーション、カリキュラム学習、報酬設計などの強化学習手法に関する高度な知識・実務経験

・実機ロボットへ強化学習をデプロイするためのシミュレーション最適化および安全確保（セーフティ保証）に関する知識

・センサフュージョンおよび状態推定の経験

・力推定、衝突検知、コンプライアンス制御に関する知識および実装経験

・ヒューマノイドの機構、アクチュエータ制御、センサ統合に関する深い理解

・機械工学、モータ特性、駆動・伝達機構に関する深い理解

・ロボットの認知、緻密なマニピュレーション、計画、推論のための最先端アルゴリズムの研究開発実績

・先端AIまたはロボティクスプロジェクトをR&D段階から実環境での安定運用まで牽引した経験