AI Engineerの隣にPlatform・PM・Optimizationが別roleとして現れた

CMES Roboticsの現在の公開採用にはPhysical AI Engineer、Physical AI Platform Development、Physical AI Planning/PM、Physical AI Combinatorial Optimizationが別positionとして存在する。4 roleはいずれも9月30日締切として案内されている。

Physical AI EngineerはVLA、Robot Action Policy、Imitation Learningを設計し、simulationとreal robotでperformanceを検証する。

他の3 roleを一緒に見ると、model researchの人数を増やすだけでなく、modelを現場へ繰り返し適用するための組織capabilityを分けて作ろうとしていることが見える。

PlatformはTeleoperationからInferenceまでを一つのloopにする

Platform roleはTeleoperation・Hand Retargetingによるdata acquisitionからdata management、model training、validation、deployment、real-time Inferenceまでをつなぐcommon platformを担当する。

RGB-D、robot state、end-effector stateなどmultimodal dataを同期し、Dataset・Data Format・Model Weight・Versioningを管理し、Single Arm・Dual Arm・Humanoidで使えるcross-platform interfaceも構築する。

重要なのは新しいmodel一つより、Physical AI Engineerが異なるrobotとTaskでdata collection・training・deploymentを繰り返せるenvironmentを作ることだ。

Physical AI Center PMは『何を作るか』だけでなく『どのTaskをどの順番で入れるか』を決める

Planning/PM roleは社内Physical AI Centerの構築・運営strategyを主要業務とし、Single Arm・Dual Arm・HumanoidのCell/Zone構成と段階的導入roadmapを設計する。

Industrial siteのautomation taskを発掘して優先順位を定め、Real to Sim to Realのdata acquisition・model development・validation・field deployment process、Teleoperation、Motion Capture、Simulator、End-Effector、AI training infrastructureも企画する。

公開求人だけではCenterの実際の規模、投資額、稼働時期は分からない。それでもPhysical AIを単一research projectではなく複数team・robot・dataset・customer taskをつなぐoperating systemとして扱うroleが存在することは確認できる。

OptimizationはAI modelをcustomer siteのconstraintへつなぐ

Combinatorial Optimization roleはpalletizing・depalletizingの積載計画、robot work sequence、task allocationなどを実際のindustrial siteへ適用する。

Robotが物体をpickできるだけではproductにならない。どの順番で処理するか、どこへ積むか、複数taskをどう割り当てるか、cycle timeやspace constraintをどう満たすかも必要になる。

Commercializationが進むほどmodel performanceとoperations optimizationの間に別talent layerが形成される可能性がある。

69.1億ウォンのfield contractの次にrepeatabilityが問題になる

CMES Roboticsは2026年5月、Coupang Fulfillment Servicesと69.1億ウォン規模の物流ロボット自動化solution設置契約を開示した。直近売上高比52.93%、契約期間は2026年7月1日から2027年3月2日までだ。

一つの大型customer projectを成功させることと、複数customer・siteで同じPhysical AI capabilityを繰り返すことは別問題だ。

後者ではrobotごとにdata collection、model modification、deploymentをやり直す方式は高コストになる。Common platform、Center-level process、reusable task definition、field optimizationが必要になる。

Talent competitionも『最高のAI researcherを何人取るか』だけではない

Physical AIではVLAやImitation Learningなどmodel capabilityが目立つ。しかしdeploymentが増えると、modelを囲むtalent layerも増える。

ある人はRobot Action Modelを作り、別の人はdata/model lifecycleをPlatform化し、PMはCenterでTaskとroadmapを決め、Optimization engineerはcustomer constraintをoptimization problemへ変える。

AI researcher数だけではcommercialization capabilityのかなりの部分を見落とす可能性がある。

BANSEOG VIEW | Physical AIの次はModelからOperating Systemへ

4つの求人に共通するのは、model自体より複数robotとsiteへ繰り返し適用するstructureが細分化されていることだ。

Engineerがintelligenceを作り、Platformがdata-to-deployment loopを標準化し、Center/PMがTaskと投入順序を決め、Optimizationがcustomer constraintとKPIをsystemへ入れる。

Physical AIの次の競争は最高のdemoだけでなく、learning・validation・deploymentを多数のTaskとcustomer siteで反復できるoperating systemを誰が先に作るかの競争にもなり得る。

BANSEOG VIEW

Banseog View — Model → Platform → Operating System

CMES RoboticsはPhysical AI Engineerと同時にPlatform、Center Planning/PM、Combinatorial Optimizationを別roleとして採用している。

Platform roleはTeleoperation・Retargetingからdata management・training・validation・deployment・Inferenceまでをrepeatable environmentへまとめる。

Field contractが増えるほどPhysical AI talent strategyはresearcher数だけでなく、複数robotとTaskで繰り返せるoperating systemのownershipへ広がる可能性がある。

SOURCES

参照した主な資料

公開求人だけではCMES Roboticsの全組織、採用人数、Physical AI Centerの実際の構築進捗・投資額・稼働時期は確認できない。Centerが完成済みだとは扱わない。またTeleoperationやdata loop自体はBanseogの過去記事でも扱っているため、本稿の追加価値は一社の中でEngineer→Platform→Center/PM→Optimizationへcommercialization organizationが分化している点をつないだことにある。Model→Platform→Operating SystemはBanseog analysis。