PAI Frontier 고객 진행 현황

Physical AI 프로그램 참여 17개 프로젝트의 업체별 진행 상황입니다. 원본 엑셀의 Dashboard · Weekly Updates · 업체별 시트를 한 페이지로 묶었습니다. 최종 갱신일 2026-09-08.

공개용 버전 — 펀딩 조건·ARR·크레딧·연락처는 제외했습니다.

17프로젝트

6 / 11Enterprise / Startup

13킥오프 완료

17·0·0Green · Amber · Red

Pillar 수요

업체 시트의 In Scope = Y 기준

P1 Data Collection & Processing12/17

P2 Model Training (VLA)12/17

P3 Simulation10/17

P4 Sim-to-Real11/17

P5 Agentic Orchestration5/17

포트폴리오

Project	Track	RAG	Phase	P1	P2	P3	P4	P5	AM / SA
LG CNS홈페이지	ENT	Green	P1	●	●	●	●	●	Koo, Bonchul Kim, JoonHyung
SK Ecoplant홈페이지	ENT	Green	P1	●	●	●	●	●	Kim, Taehoon Lee, Jihoo
LGE#1LG Electronics 홈페이지	ENT	Green	P1	●	●	●	●	·	Kang, Seulki Park, Hye Young
LGE#2LG Electronics 홈페이지	ENT	Green	P1	●	·	●	●	●	Kang, Seulki Park, Hye Young
NC AI홈페이지	ENT	Green	P1	·	●	·	·	·	Oh, Seyoon Kim, Hyundong
Alchera홈페이지	ENT	Green	P1	●	·	·	·	·	Lee, Bubmin TBU
Bone AI	SUP	Green	P1	●	·	·	·	·	Jo, Minsoo Choi, Chulwoo
TommoroTommoro Robotics 홈페이지	SUP	Green	P1	●	●	●	●	·	Jo, Minsoo Choi, Chulwoo
RoboeRoboe Technology 홈페이지	SUP	Green	P1	·	●	·	·	·	Lee, Jessie TBD
Caring홈페이지	SUP	Green	P1	●	●	·	·	●	Lee, Jessie TBD
Wirobotics홈페이지	SUP	Green	P1	●	●	●	●	·	Lee, Jessie TBD
DidenDiden Robotics 홈페이지	SUP	Green	P1	●	●	●	●	·	Lee, Junwoo Ryan Yoon, Minwook
GoleGole Robotics 홈페이지	SUP	Green	P1	●	●	●	●	·	Lee, Junwoo Ryan Yoon, Minwook
RLWRLD홈페이지	SUP	Green	P1	·	●	●	●	·	Park, Sung Bae YongHwan Yoo
Config홈페이지	SUP	Green	P1	·	●	●	●	·	Park, Sung Bae YongHwan Yoo
Cupix홈페이지	SUP	Green	P1	·	·	·	·	●	Kang, Cheol Jiyoung Lee
Nearthlab홈페이지	SUP	Green	P1	●	·	·	●	·	Kang, Cheol Jiyoung Lee

Weekly Updates

최신 주차 순

2026-09-07전체 (SUP)GreenAndy (PM)

Week1 테크 워크샵 개최 — 9/7 Training·Edge 완료(외부 참석 14~17명), 9/8 Data·Simulation·Agentic 진행 · GPU 핸즈온 환경 확보(Isaac Sim, g6e.2xlarge+ODCR, CF+Cognito 접속)

Blockers9/7 실참석이 등록(24명) 대비 저조 — Week2 참석 독려 검토

Next Week PlanWeek2 워크샵(9/14 12층 400룸·9/15 18층) · 설문(pulse TDFFPSKZ) 결과 회수

2026-09-07전체GreenAndy (PM)

고객 소통용 외부 Slack 워크스페이스 개설(9/8, 자료 사전공유·Q&A) · Week2 방문자 출입등록 접수(9/8) · 파트너 프로그램 Enablement 세션 9/10 예정

Next Week PlanWeek2 워크샵 운영 · 9/10 파트너 세션

2026-08-31전체GreenAndy (PM)

일자별 워크샵 공지 메일 4통 발송(9/4, 프로그램 메일박스: 9/7·9/8·9/14·9/15) · Co-Marketing 데모영상·서비스소개자료 제출 요청 메일 발송(9/4)

Next Week PlanWeek1 테크 워크샵 진행(9/7·9/8)

2026-08-31전체 (ENT)GreenAndy (PM)

Week2 등록 마감(9/3): SK Ecoplant 9/14 5명·9/15 6명 · Alchera 각 4명 · NC AI 각 ~10명(+1명 추가 등록 9/4) · LGE/LG CNS 불참 확정

Next Week PlanWeek2 출입등록·QR 안내

2026-08-31전체 (SUP)GreenAndy (PM)

Week1 확정 인원 개별 공지 발송(9/4) · 9/14·15 대기 스타트업 전원 참석 가능 안내(9/3)

Next Week PlanWeek1 테크 워크샵 참석(9/7·9/8)

2026-08-10(예시) TommoroGreenAM

SUP 통합 킥오프 참석 · 현장 수요조사 제출

Asks to PAI TeamP1 데이터 파이프라인 1:1 딥다이브 요청

Next Week Plan필러 세션 로스터 확인

ENT Cross Industry - HiTech

LG CNS

PhysicalWorks on AWS (Baton orchestration)

Green

LG CNS는 LG그룹 계열의 IT 서비스 기업으로 클라우드, AI, 시스템 통합(SI), 스마트팩토리·스마트물류 등 디지털 전환 사업을 수행한다. AI 전환(AX) 컨설팅과 구축·운영을 국내외 기업 고객에게 제공한다.

Physical AI

2026년 5월 로봇 전환(RX) 플랫폼 PhysicalWorks를 공개했으며, 로봇 학습·시뮬레이션 검증용 Forge와 다양한 제조사 로봇을 통합 관제하는 Baton으로 구성된다. LG Science Park 물류 실증, LX Pantos 물류 자동화, 부산 스마트시티 다기종 로봇 운영 등에 적용하고 있다.

출처lgcns.com · koreatimes.co.kr · view.asiae.co.kr

Phase: P1
Kickoff: 미정
Working Backwards: 예정
Last Update: 2026-09-08

This week9월 테크 워크샵 불참 확정(9/3)

P1Data Collection & ProcessingP2Model Training (VLA)P3SimulationP4Sim-to-RealP5Agentic Orchestration

1 · Customer Overview

Workload (소싱: FinalSelection): LG CNS의 PhysicalWorks는 로봇 학습(Forge)부터 현장 운영·오케스트레이션(Baton)까지 전 과정을 지원하는 RX 플랫폼.
Pain Point (소싱): 다양한 벤더의 산업 자동화·자율 로봇을 통합 운영하기 위한 기술 검증과 로봇 학습용 데이터 수집·처리 고도화 및 운영 도메인 간 통합 강화가 필요
Project Summary (소싱): PhysicalWorks 서비스는 2개 플랫폼으로 구성 Forge(학습)와 Bation(운영)
1 Bation은 AWS 기반, Forge는 on-premise
2 Demo Lab에서 Factory Cycle에 대한 검증 완료(휴머노이드, 4wheel로봇, 서빙로봇 등 이기종 로봇)
3 LG전자 사업장에 실적용을 우선순위로 하고 있음
SFDC Opportunity: 미입력
Customer Background / Notes: 미입력

3 · Program Goal

Target Outcome (소싱: FinalSelection): LG 계열사 및 외부 고객 대상 로봇 PoC를 추진하고, PhysicalWorks Baton 기반 통합 운영과 Forge 도메인 학습·데이터 처리와의 연계 가능성을 평가할 계획
Overall Goal (프로그램 종료 시 도달점 — 고객 합의 후 확정): 미입력
Success Criteria / KPI: 미입력
Agreed Milestones (고객 합의, 2–3개): 해당 Platfrorm은 Ready to Go (초기 완성형)
1 AWS 신규 서비스 적용을 통한 학습 플랫폼 migration to AWS in 2026 2H
2 해당 서비스에 대한 Sales GTM 관련 협업(하반기 국/내외 영업 활동 전개 예정)

2 · Involved Members & Roles

Side	Name	Role	Responsibility
AWS	Koo, Bonchul	Account Manager (1차 오너)	고객 케이던스 · 트래커 갱신 · 펀딩 데이터
AWS	Kim, JoonHyung	Account SA (1차 오너)	기술 케이던스 · 필러 수요 · Exit Artifact
AWS	Kim, Jongseon	AI Specialist Sales	—
AWS	Lee, Yoojung	AI Specialist SA	—
AWS	NS/JinGyu	Focal (배석)	—

미지정 역할Pillar Owner(s) — OQ-7 확정 후 · SPOC (PoC 메일 수신·회신 필수) · Tech Lead · Exec Sponsor

4 · Pillar Plan

Pillar	In Scope	Sub-Goal (고객별)	Deliverable (Exit Artifact)	Owner (Pillar/SA)	Status	Notes
P1 Data Collection & Processing	Y	—	리뷰 완료된 데이터 파이프라인 아키텍처 1건	—	Not Started	—
P2 Model Training (VLA)	Y	—	학습 인프라 구성안 확정 또는 1차 학습 실행 검증	—	Not Started	—
P3 Simulation	Y	—	시뮬레이션 환경 구축 완료 또는 RL 파이프라인 검증	—	Not Started	—
P4 Sim-to-Real	Y	—	엣지 배포 테스트 1회 또는 Flywheel 설계 리뷰 완료	—	Not Started	—
P5 Agentic Orchestration	Y	—	오케스트레이션(또는 디지털 트윈) 아키텍처 리뷰 1건	—	Not Started	—

6 · Engagement Log

Date	Type	What	AWS Attendees	Customer Attendees	Outcome / Follow-up
2026-07-말	Kickoff	개별 킥오프	—	—	—

LG CNS — PhysicalWorks on AWS (Baton orchestration) — Track: ENT · Tab owner: Account Team (AM/SA) · 갱신: 고객 싱크 후 즉시 + Weekly 전일

ENT Cross Industry - MFG

SK Ecoplant

Physical AI w/ NVIDIA Omniverse (simulation)

Green

SK Ecoplant는 SK그룹 계열의 건설·인프라 기업으로, 스스로를 'AI Infra Solution Provider'로 규정한다. 반도체 생산 인프라(Hi-tech), AI 데이터센터 EPC·운영, 첨단소재(Gas & Material), 자원순환(Asset Lifecycle) 사업을 영위한다.

Physical AI

건설 현장의 품질과 안전을 점검하는 자율로봇 솔루션을 개발하고 있다.

출처skecoplant.com · venturesquare.net

Phase: P1
Kickoff: 미정
Working Backwards: —
Last Update: 2026-09-08

This weekWeek2 테크 워크샵 등록: 9/14 5명·9/15 6명

P1Data Collection & ProcessingP2Model Training (VLA)P3SimulationP4Sim-to-RealP5Agentic Orchestration

1 · Customer Overview

Workload (소싱: FinalSelection): 건설 현장에서 360도 카메라와 로봇으로 이미지를 자동 수집하고 AI로 품질 이슈를 탐지하는 로보틱스 기반 CQSS(건설 품질·안전 시스템)를 구축하여 현장 관리 간소화, 분쟁 대비 기록 확보, 전반적 건설 품질 향상을 목표로 함.
Pain Point (소싱): 건설 현장의 비정형 환경에서 안정적 자율주행을 위해 Domain Randomization 튜닝과 RSR 캘리브레이션으로 Sim-to-Real 정확도를 높이고, 현장 테스트→클라우드 재학습→재배포의 지속적 개선 사이클을 구축하는 것이 핵심 기술 차별화 요소.
Project Summary (소싱): SK에코플랜트의 건설현장에 투입할 안전보건환경용 Physical AI 로봇
SFDC Opportunity: 미입력
Customer Background / Notes: 미입력

3 · Program Goal

Target Outcome (소싱: FinalSelection): EC2 G5/P4d와 AWS Batch로 수천 개 Isaac Sim 환경을 클라우드에서 대규모 병렬 학습하고, SageMaker에 모델 관리·재학습 파이프라인을 구축한 뒤, IoT Greengrass를 통해 엣지 배포 및 현장 데이터 피드백 루프를 확립하여 Edge-to-Cloud 워크로드를 새로운 서비스 도메인으로 확장 목표.
Overall Goal (프로그램 종료 시 도달점 — 고객 합의 후 확정): 미입력
Success Criteria / KPI: 미입력
Agreed Milestones (고객 합의, 2–3개): 7월 초: 개발사 계약 진행 / 7월 말: 아키텍처 확정 (AWS 기반) / 8월: 로봇 1대 용인 Fam 건설현장 투입 → 데이터 수집 시작 / 10월: 중간 보고 / 12월: 최종 경영진 보고 (성과·안전관리·정확도·근거자료) / 이후: Pilot 검증 → 미국 하이닉스 공사 현장 2~3대 확장

2 · Involved Members & Roles

Side	Name	Role	Responsibility
AWS	Kim, Taehoon	Account Manager (1차 오너)	고객 케이던스 · 트래커 갱신 · 펀딩 데이터
AWS	Lee, Jihoo	Account SA (1차 오너)	기술 케이던스 · 필러 수요 · Exit Artifact
AWS	Kim, Jongseon	AI Specialist Sales	—
AWS	Lee, Yoojung	AI Specialist SA	—
AWS	NS/JinGyu	Focal (배석)	—

미지정 역할Pillar Owner(s) — OQ-7 확정 후 · SPOC (PoC 메일 수신·회신 필수) · Tech Lead · Exec Sponsor

4 · Pillar Plan

Pillar	In Scope	Sub-Goal (고객별)	Deliverable (Exit Artifact)	Owner (Pillar/SA)	Status	Notes
P1 Data Collection & Processing	Y	—	리뷰 완료된 데이터 파이프라인 아키텍처 1건	—	Not Started	—
P2 Model Training (VLA)	Y	—	학습 인프라 구성안 확정 또는 1차 학습 실행 검증	—	Not Started	—
P3 Simulation	Y	—	시뮬레이션 환경 구축 완료 또는 RL 파이프라인 검증	—	Not Started	—
P4 Sim-to-Real	Y	—	엣지 배포 테스트 1회 또는 Flywheel 설계 리뷰 완료	—	Not Started	—
P5 Agentic Orchestration	Y	—	오케스트레이션(또는 디지털 트윈) 아키텍처 리뷰 1건	—	Not Started	—

6 · Engagement Log

Date	Type	What	AWS Attendees	Customer Attendees	Outcome / Follow-up
2026-07-말	Kickoff	개별 킥오프	—	—	—

SK Ecoplant — Physical AI w/ NVIDIA Omniverse (simulation) — Track: ENT · Tab owner: Account Team (AM/SA) · 갱신: 고객 싱크 후 즉시 + Weekly 전일

ENT Cross Industry - HiTech

LGE#1 · LG Electronics

CLOiD Humanoid Robot Task (E2E pipeline)

Green

LG Electronics는 가전, TV, 전장(VS), B2B 솔루션 등을 주력으로 하는 한국의 글로벌 전자기업이다. 생활가전과 홈엔터테인먼트를 중심으로 전 세계에 제품과 서비스를 공급한다.

Physical AI

2025년 Bear Robotics 지분을 51%로 늘려 경영권을 확보하고 상업용 로봇 사업을 통합했으며, CES 2026에서 가사용 휴머노이드 홈로봇 LG CLOiD와 로봇용 액추에이터 브랜드 AXIUM을 공개했다. 스마트팩토리용 산업용 로봇 등 가정·상업·산업 3개 영역에서 로봇 사업을 추진한다.

출처lg.com · lg.co.kr

Phase: P1
Kickoff: 미정
Working Backwards: —
Last Update: 2026-09-08

This week9월 테크 워크샵 불참 확정(9/3)

P1Data Collection & ProcessingP2Model Training (VLA)P3SimulationP4Sim-to-RealP5Agentic Orchestration

1 · Customer Overview

Workload (소싱: FinalSelection): LG전자 로봇연구소가 양재 AI 팩토리에서 2026년 9월까지 CLoiD 휴머노이드 로봇 100대를 양산할 계획이며, NVIDIA Isaac Sim/Lab·GR00T·Cosmos·IoT Greengrass를 결합한 전체 로봇 AI 파이프라인(시뮬레이션→GPU 학습→엣지 배포)을 AWS에 구축하는 것을 제안함.
Pain Point (소싱): CLoiD 휴머노이드 로봇용 3D 시뮬레이션 자산과 촉각 기반 VLA/VTLA 학습 환경이 아직 없고, 9월 마감에 맞춘 대규모 병렬 실험은 온프레미스로 감당 불가하며, 실제 로봇 데이터를 모델 재학습에 피드백하는 자동화 루프도 부재.
Project Summary (소싱): 고객의 프로젝트 개요, Frontier Program 완료 시점에 함께 성과를 낼 수 있는지 확인
SFDC Opportunity: 미입력
Customer Background / Notes: 미입력

3 · Program Goal

Target Outcome (소싱: FinalSelection): CLoiD의 시뮬레이션·학습 환경을 전적으로 AWS에 구축하여 9월까지 프로덕션급 보행·조작 모델을 제공하고, 배포 후 현장 데이터로 자동 재학습하는 데이터 플라이휠을 확립하여 AWS를 LGE 휴머노이드 프로그램의 영구 인프라로 구축.
Overall Goal (프로그램 종료 시 도달점 — 고객 합의 후 확정): 미입력
Success Criteria / KPI: 미입력
Agreed Milestones (고객 합의, 2–3개): 연말까지 Production Grade 검증과제 수행

2 · Involved Members & Roles

Side	Name	Role	Responsibility
AWS	Kang, Seulki	Account Manager (1차 오너)	고객 케이던스 · 트래커 갱신 · 펀딩 데이터
AWS	Park, Hye Young	Account SA (1차 오너)	기술 케이던스 · 필러 수요 · Exit Artifact
AWS	Kim, Jongseon	AI Specialist Sales	—
AWS	Lee, Yoojung	AI Specialist SA	—
AWS	NS/JinGyu	Focal (배석)	—

미지정 역할Pillar Owner(s) — OQ-7 확정 후 · SPOC (PoC 메일 수신·회신 필수) · Tech Lead · Exec Sponsor

4 · Pillar Plan

Pillar	In Scope	Sub-Goal (고객별)	Deliverable (Exit Artifact)	Owner (Pillar/SA)	Status	Notes
P1 Data Collection & Processing	Y	—	리뷰 완료된 데이터 파이프라인 아키텍처 1건	—	Not Started	—
P2 Model Training (VLA)	Y	—	학습 인프라 구성안 확정 또는 1차 학습 실행 검증	—	Not Started	—
P3 Simulation	Y	—	시뮬레이션 환경 구축 완료 또는 RL 파이프라인 검증	—	Not Started	—
P4 Sim-to-Real	Y	—	엣지 배포 테스트 1회 또는 Flywheel 설계 리뷰 완료	—	Not Started	—
P5 Agentic Orchestration	N	—	—	—	N/A	—

6 · Engagement Log

기록 없음

LG Electronics — CLOiD Humanoid Robot Task (E2E pipeline) — Track: ENT · Tab owner: Account Team (AM/SA) · 갱신: 고객 싱크 후 즉시 + Weekly 전일

ENT Cross Industry - HiTech

LGE#2 · LG Electronics

HS SMART Park Digital Twin (Changwon)

Green

Physical AI

출처lg.com · lg.co.kr

Phase: P1
Kickoff: 미정
Working Backwards: —
Last Update: 2026-09-08

This week9월 테크 워크샵 불참 확정(9/3)

P1Data Collection & ProcessingP2Model Training (VLA)P3SimulationP4Sim-to-RealP5Agentic Orchestration

1 · Customer Overview

Workload (소싱: FinalSelection): LG전자 HS사업부가 창원 공장 디지털 트윈을 온프레미스에서 AWS 기반 NVIDIA Omniverse로 이전하며, AI 에이전트 자연어 쿼리를 갖춘 실시간 3D 장비 모니터링, Isaac Sim AGV/AMR 물류 시뮬레이션, AI 예측 정비를 하나의 클라우드 플랫폼으로 통합 목표.
Pain Point (소싱): 온프레미스 하드웨어는 구매 시점 사양에 고정되어 최신 GPU/Omniverse 채택이 불가하고, 공장 가동 여부와 무관한 고정 비용이 발생하며, 해외 확장 시 사이트별 수개월의 설치가 필요하고, 테네시 물류 플랫폼은 크래시 후 복구되지 않은 상태.
Project Summary (소싱): 고객의 프로젝트 개요, Frontier Program 완료 시점에 함께 성과를 낼 수 있는지 확인
SFDC Opportunity: 미입력
Customer Background / Notes: 미입력

3 · Program Goal

Target Outcome (소싱: FinalSelection): AWS로 전환하여 공장 가동 시에만 비용을 지불하고 최신 GPU·Omniverse에 즉시 접근하며, 미국 테네시를 시작으로 베트남·브라질·인도까지 수일 내 동일한 디지털 트윈을 복제하는 단일 글로벌 아키텍처를 구축 목표.
Overall Goal (프로그램 종료 시 도달점 — 고객 합의 후 확정): 미입력
Success Criteria / KPI: 미입력
Agreed Milestones (고객 합의, 2–3개): 연말까지 Production Grade 검증과제 수행

2 · Involved Members & Roles

Side	Name	Role	Responsibility
AWS	Kang, Seulki	Account Manager (1차 오너)	고객 케이던스 · 트래커 갱신 · 펀딩 데이터
AWS	Park, Hye Young	Account SA (1차 오너)	기술 케이던스 · 필러 수요 · Exit Artifact
AWS	Kim, Jongseon	AI Specialist Sales	—
AWS	Lee, Yoojung	AI Specialist SA	—
AWS	NS/JinGyu	Focal (배석)	—

미지정 역할Pillar Owner(s) — OQ-7 확정 후 · SPOC (PoC 메일 수신·회신 필수) · Tech Lead · Exec Sponsor

4 · Pillar Plan

Pillar	In Scope	Sub-Goal (고객별)	Deliverable (Exit Artifact)	Owner (Pillar/SA)	Status	Notes
P1 Data Collection & Processing	Y	—	리뷰 완료된 데이터 파이프라인 아키텍처 1건	—	Not Started	—
P2 Model Training (VLA)	N	—	—	—	N/A	—
P3 Simulation	Y	—	시뮬레이션 환경 구축 완료 또는 RL 파이프라인 검증	—	Not Started	—
P4 Sim-to-Real	Y	—	엣지 배포 테스트 1회 또는 Flywheel 설계 리뷰 완료	—	Not Started	—
P5 Agentic Orchestration	Y	—	오케스트레이션(또는 디지털 트윈) 아키텍처 리뷰 1건	—	Not Started	—

6 · Engagement Log

기록 없음

LG Electronics — HS SMART Park Digital Twin (Changwon) — Track: ENT · Tab owner: Account Team (AM/SA) · 갱신: 고객 싱크 후 즉시 + Weekly 전일

ENT TMEGS

NC AI

Robot Foundation Model development

Green

NC AI는 NCSOFT의 AI 연구조직(NC Research)을 분할해 2025년 출범한 AI 전문기업으로, 이연수 대표가 이끈다. VARCO 브랜드의 LLM, 3D·사운드 생성 AI 등을 바탕으로 제조·국방·콘텐츠 산업용 AI를 개발한다.

Physical AI

3D 생성 AI VARCO 3D를 피지컬 AI·디지털 트윈용 데이터 인프라로 확장하고 있으며, 멀티모달 데이터와 시뮬레이션을 활용한 제조 현장용 휴머노이드 VLA 모델을 개발·검증한다. LG Electronics와 컨소시엄으로 휴머노이드 국책과제에 선정됐고, 씨메스로보틱스(CMES Robotics)와 피지컬 AI 협력 MOU를 체결했다.

출처nc-ai.com · koreatimes.co.kr · mobile.newsis.com

Phase: P1
Kickoff: 2026-08-21
Working Backwards: 8/21 논의완료
Last Update: 2026-09-08

This weekWeek2 테크 워크샵 등록: 9/14·15 각 ~10명(+1명 추가 9/4)

P1Data Collection & ProcessingP2Model Training (VLA)P3SimulationP4Sim-to-RealP5Agentic Orchestration

1 · Customer Overview

Workload (소싱: FinalSelection): 1) 초고효율 월드 파운데이션 모델 기반 로봇 지능: 기존 모델 대비 25% 자원으로 80% 성공률을 달성했으며, 잠재 공간에서 로봇 동작을 직접 생성해 비디오 추론을 생략함으로써 제어 속도와 정확도를 극대화했다. / 2) 대규모 산업용 합성 데이터 파이프라인: 프롬프트 조작만으로 극한 조건 영상을 대량 생성하며, H100 100대 기준 11일 만에 1만 시간 합성 데이터 생산이 가능하다. 자체 VARCO 3D로 디지털 트윈을 신속 구축해 Sim-to-Real 오차를 최소화한다. / 3) 기업 파트너 산업별 검증 (진행 중): POSCO DX(스마트 팩토리 로봇 제어), 한화오션(극한 조선소 자율 용접 AI), 현대로템(무인 국방 로봇 통합 제어·시뮬레이터) 등과 산업 현장 적용을 공동 검증 중이다.
Pain Point (소싱): 1) 대규모 멀티모달 데이터 처리 및 학습 인프라: 복잡한 산업 환경에서 로봇이 실시간 수집하는 대량의 비전·센서 데이터를 안정적으로 처리하고 VLA 모델을 초대규모로 학습하려면, 수요에 따라 확장 가능한 고성능 컴퓨팅 인프라가 필요하다. / 2) 고품질 산업 특화 데이터 확보: VLA 모델의 인지 능력과 범용성을 극대화하는 핵심은 대량의 실제 산업 데이터 접근이다. 자체 수집만으로는 물리적 한계가 있으며, 기업 파트너 매칭을 통해 실제 산업 현장의 비전·센서 데이터를 지속적으로 확보할 수 있는 실질적 채널이 필요하다. / 3) 글로벌 스케일업: 국내 주요 기업 배포 성공을 넘어, 대규모 검증 환경과 글로벌 네트워크를 확보하여 다양한 산업에 보편적으로 적용 가능한 글로벌 표준 솔루션으로 확장하고자 한다.
Project Summary (소싱): 고객의 프로젝트 개요, Frontier Program 완료 시점에 함께 성과를 낼 수 있는지 확인
SFDC Opportunity: 미입력
Customer Background / Notes: 미입력

3 · Program Goal

Target Outcome (소싱: FinalSelection): 국내 주요 제조사 대상 휴머노이드 VLA 모델 출시 및 검증: 반복적 제조 공정 자동화를 목표로 현장 데이터 수집 파이프라인을 구축하고 디지털 트윈 기반 시뮬레이션 환경을 조성한다. 가상 환경에서의 대규모 반복 학습을 통해 휴머노이드 로봇 제어용 VLA 모델을 파인튜닝하여 물리적 조작 성능을 극대화하는 것이 핵심 목표다. 주요 KPI는 단일 사이클 작업 성공률 향상 및 제한 시간 내 목표 작업 완수.
Overall Goal (프로그램 종료 시 도달점 — 고객 합의 후 확정): 미입력
Success Criteria / KPI: 미입력
Agreed Milestones (고객 합의, 2–3개): 프로젝트 일정 및 마일스톤 (예: 6개월 내 PoC/상용화 목표 확인)

2 · Involved Members & Roles

Side	Name	Role	Responsibility
AWS	Oh, Seyoon	Account Manager (1차 오너)	고객 케이던스 · 트래커 갱신 · 펀딩 데이터
AWS	Kim, Hyundong	Account SA (1차 오너)	기술 케이던스 · 필러 수요 · Exit Artifact
AWS	0	AI Specialist Sales	—
AWS	0	AI Specialist SA	—
AWS	NS/JinGyu	Focal (배석)	—

미지정 역할Pillar Owner(s) — OQ-7 확정 후 · SPOC (PoC 메일 수신·회신 필수) · Tech Lead · Exec Sponsor

4 · Pillar Plan

Pillar	In Scope	Sub-Goal (고객별)	Deliverable (Exit Artifact)	Owner (Pillar/SA)	Status	Notes
P1 Data Collection & Processing	N	—	—	—	N/A	—
P2 Model Training (VLA)	Y	—	학습 인프라 구성안 확정 또는 1차 학습 실행 검증	—	Not Started	—
P3 Simulation	N	—	—	—	N/A	—
P4 Sim-to-Real	N	—	—	—	N/A	—
P5 Agentic Orchestration	N	—	—	—	N/A	—

6 · Engagement Log

기록 없음

NC AI — Robot Foundation Model development — Track: ENT · Tab owner: Account Team (AM/SA) · 갱신: 고객 싱크 후 즉시 + Weekly 전일

ENT Scale - ISV

Alchera

Physical AI platform

Green

Alchera는 2016년 설립돼 2020년 KOSDAQ에 상장한 비전 AI 기업이다. 얼굴인식 본인인증(eKYC), 이상상황·화재 감지 등 비전 AI 솔루션과 AI 학습데이터 구축 사업을 영위한다.

Physical AI

자율주행 데이터 사업을 기반으로 휴머노이드·제조 로봇용 피지컬 AI 학습데이터 사업을 확장하고 있으며, 영상·관절·센서 데이터를 처리하는 피지컬 AI 데이터 플랫폼과 원격조작 기반 로봇 행동 데이터, 시뮬레이션용 3D 디지털 자산을 구축한다. 중국 휴머노이드 혁신센터 X-Humanoid와 피지컬 AI 전략 협약을 체결했다.

출처alchera.ai · alchera.ai · alchera.ai

Phase: P1
Kickoff: Done
Working Backwards: 예정
Last Update: 2026-09-08

This weekWeek2 테크 워크샵 등록: 9/14·15 각 4명

P1Data Collection & ProcessingP2Model Training (VLA)P3SimulationP4Sim-to-RealP5Agentic Orchestration

1 · Customer Overview

Workload (소싱: FinalSelection): Alchera는 자율주행(누적 매출 [금액 비공개])과 휴머노이드 로보틱스(삼성·현대 현장 데이터 팩토리 운영, YoY 303% 성장) 두 축의 Physical AI 역량을 기반으로, 과기부·IITP 국가 R&D 프로젝트(LG전자 주관, 총 340억원 규모)에서 피지컬 AI 데이터 수집·통합 플랫폼 구축과 핵심 데이터 공급을 주도하며 시니어 케어(서울 5개소 데이케어센터와 2,600여 명의방문요양 고객을 대상으로 AI 기반 시니어 헬스케어 데이터 플랫폼을 운영)까지 도메인을 확장하고 있음.
Pain Point (소싱): WFM/RFM 학습을 위한 대규모 멀티모달 데이터 처리 인프라 및 탄력적 GPU 컴퓨팅 확보와 10개 컨소시엄 기관 간 데이터 거버넌스 통합 운영이 핵심 과제.
Project Summary (소싱): 알체라는 자율주행·휴머노이드·시니어케어를 축으로 하는 Physical AI 사업 영역 / 국가 R&D 프로젝트의 수행 일환으로 Physical AI 데이터 수집·통합 플랫폼 구축과 핵심 데이터 공급
SFDC Opportunity: 미입력
Customer Background / Notes: 미입력

3 · Program Goal

Target Outcome (소싱: FinalSelection): AWS 기반 확장형 데이터 레이크·시뮬레이션 인프라로 데이터 수집·정제·QA를 자동화하여 "행동 성공률 ≥20%p 향상" 목표에 기여하고, 피지컬 AI 모델 학습에 최적화된 검증된 데이터 파이프라인 공급자로서의 입지 확보가 목표. 이어서 독자적인 Physical AI 데이터 비즈니스로 사업화 목표. / Alchera는 2026년 6월말 RB-Y1 기반 자체 데이터 팩토리 완성(레인보우로보틱스) 및 연내 로봇 기종을 확대해 크로스-임바디먼트 데이터 확보 기반 확대 예정, 서울대(최종현 교수팀)·KAIST(김준모 교수팀) 공동연구 체계를 갖추고 있으며, AWS에는 확장형 데이터 레이크 및 메타데이터 아키텍처 설계, GPU 비용 최적화, 기관 간 데이터 거버넌스 가이던스, Working Backwards 세션을 통한 데이터 사업 모델 구체화 지원을 기대.
Overall Goal (프로그램 종료 시 도달점 — 고객 합의 후 확정): 미입력
Success Criteria / KPI: 미입력
Agreed Milestones (고객 합의, 2–3개): 전체 프로젝트에 대한 일정은 2027년까지 계획되어있으나, 금년에 목표로하는 시나리오 3개가 있음

2 · Involved Members & Roles

Side	Name	Role	Responsibility
AWS	Lee, Bubmin	Account Manager (1차 오너)	고객 케이던스 · 트래커 갱신 · 펀딩 데이터
AWS	TBU	Account SA (1차 오너)	기술 케이던스 · 필러 수요 · Exit Artifact
AWS	Kim, Yong Hwan	AI Specialist Sales	—
AWS	N/A	AI Specialist SA	—
AWS	NS/JinGyu	Focal (배석)	—

미지정 역할Pillar Owner(s) — OQ-7 확정 후 · SPOC (PoC 메일 수신·회신 필수) · Tech Lead · Exec Sponsor

4 · Pillar Plan

Pillar	In Scope	Sub-Goal (고객별)	Deliverable (Exit Artifact)	Owner (Pillar/SA)	Status	Notes
P1 Data Collection & Processing	Y	—	리뷰 완료된 데이터 파이프라인 아키텍처 1건	—	Not Started	—
P2 Model Training (VLA)	N	—	—	—	N/A	—
P3 Simulation	N	—	—	—	N/A	—
P4 Sim-to-Real	N	—	—	—	N/A	—
P5 Agentic Orchestration	N	—	—	—	N/A	—

6 · Engagement Log

Date	Type	What	AWS Attendees	Customer Attendees	Outcome / Follow-up
2026-07-15	Kickoff	개별 킥오프	—	—	—

Alchera — Physical AI platform — Track: ENT · Tab owner: Account Team (AM/SA) · 갱신: 고객 싱크 후 즉시 + Weekly 전일

SUP SUP

Bone AI

Physical AI (robotics)

Green

Bone AI는 MarqVision 공동창업자 DK Lee가 2025년 설립한 국방 로보틱스 스타트업으로, 서울과 Palo Alto에 거점을 둔다. 2025년 11월 Third Prime이 주도하고 Kolon Group이 참여한 1,200만 달러 규모 시드 투자를 유치했다.

Physical AI

스스로를 피지컬 AI 기업으로 규정하며, 물류 지원·산불 감지·대드론 방어용 자율 드론(UAV)을 우선 개발하고 지상(UGV)·해상(USV) 무인체계로 확장할 계획이다. 국내 드론 기업 D-Makers를 인수했으며, 정부 지원 물류 사업에 UAV·UGV를 투입한다.

출처techcrunch.com · defence-industries.com

Phase: P1
Kickoff: Done
Working Backwards: 예정
Last Update: 2026-09-08

This weekWeek1 테크 워크샵 개최(9/7 Training·Edge · 9/8 Data·Sim·Agentic, 18층) — 대기자 포함 참석 가능 안내(9/3)

P1Data Collection & ProcessingP2Model Training (VLA)P3SimulationP4Sim-to-RealP5Agentic Orchestration

1 · Customer Overview

Workload (소싱: FinalSelection): Bone AI는 드론 영상/센서 데이터 수집, YOLO 기반 실시간 객체·화재 탐지, 모델 학습, Gazebo/ROS 2 시뮬레이션을 통합한 클라우드 Physical AI 환경을 운영하며, AWS 서울 리전에서 EKS 노드 풀과 GPU 오토스케일링을 갖춘 프로덕션급 인프라로 확장을 목표함
Pain Point (소싱): 수집 셀이 300개 이상으로 확장됨에 따라 TB→PB 규모의 멀티센서 데이터 파이프라인의 처리량·내구성 검증이 필요하며, VLA 파운데이션 모델 학습을 위한 대규모 멀티 GPU 클러스터의 프로비저닝·운영·비용 관리가 상당한 부담.
Project Summary (소싱): Bone AI는 드론 기반 Physical AI 플랫폼을 운영하는 회사로, 현재 소규모 개발 및 검증 단계의 클라우드 환경을 AWS 서울 리전 기반의 확장 가능한 Production급 인프라로 고도화하고자 합니다.
SFDC Opportunity: 미입력
Customer Background / Notes: 미입력

3 · Program Goal

Target Outcome (소싱: FinalSelection): 워크로드별 EKS 노드 풀, 보안 스트림 파이프라인, S3 계층형 데이터 레이크, Karpenter GPU 오토스케일링, 워크로드별 비용 귀속 모니터링, 최소 권한 보안을 갖춘 프로덕션급 워크로드 격리 AWS 인프라를 구축하여 현재 문제점을 해결 가능.
Overall Goal (프로그램 종료 시 도달점 — 고객 합의 후 확정): 미입력
Success Criteria / KPI: 미입력
Agreed Milestones (고객 합의, 2–3개): Q3 2026

2 · Involved Members & Roles

Side	Name	Role	Responsibility
AWS	Jo, Minsoo	Account Manager (1차 오너)	고객 케이던스 · 트래커 갱신 · 펀딩 데이터
AWS	Choi, Chulwoo	Account SA (1차 오너)	기술 케이던스 · 필러 수요 · Exit Artifact
AWS	TBU	AI Specialist Sales	—
AWS	TBU	AI Specialist SA	—
AWS	Chanmi/Hyungmin	Focal (배석)	—

미지정 역할Pillar Owner(s) — OQ-7 확정 후 · SPOC (PoC 메일 수신·회신 필수) · Tech Lead · Exec Sponsor

4 · Pillar Plan

Pillar	In Scope	Sub-Goal (고객별)	Deliverable (Exit Artifact)	Owner (Pillar/SA)	Status	Notes
P1 Data Collection & Processing	Y	—	리뷰 완료된 데이터 파이프라인 아키텍처 1건	—	Not Started	—
P2 Model Training (VLA)	N	—	—	—	N/A	—
P3 Simulation	N	—	—	—	N/A	—
P4 Sim-to-Real	N	—	—	—	N/A	—
P5 Agentic Orchestration	N	—	—	—	N/A	—

6 · Engagement Log

Date	Type	What	AWS Attendees	Customer Attendees	Outcome / Follow-up
2026-08-10	Kickoff	SUP 통합 킥오프 (Seowon) + 현장 수요조사	PAI V-Team	—	수요조사 결과 → 세션 로스터

Bone AI — Physical AI (robotics) — Track: SUP · Tab owner: Account Team (AM/SA) · 갱신: 고객 싱크 후 즉시 + Weekly 전일

SUP SUP

Tommoro · Tommoro Robotics

Robotics (short-term priority: data)

Green

Tommoro Robotics는 서울대학교 바이오지능연구실에서 출발한 AI 로보틱스 기업으로, 로봇 파운데이션 모델(RFM)과 로봇 응용 AI 솔루션을 개발한다. 'One Brain, a Thousand Bodies'를 내걸고 로봇 노동력을 서비스로 제공하는 Workforce-as-a-Service(WaaS)를 추진한다.

Physical AI

풀스택 피지컬 AI 플랫폼 HABILIS(작업 관제 HABILIS AGENT, 로봇 파운데이션 모델 HABILIS BRAIN, 데이터·학습·배포 관리 HABILIS CONSOLE)와 원격조작 데이터를 수집하는 DATA FOUNDRY를 운영한다. Rainbow Robotics와 피지컬 AI 로봇 공동개발을 추진하고, 로봇 핸드 WUJI HAND 2를 공급한다.

출처tommoro.ai · translucent-stag-fbf.notion.site

Phase: P1
Kickoff: Done
Working Backwards: —
Last Update: 2026-09-08

This weekWeek1 테크 워크샵 개최(9/7 Training·Edge · 9/8 Data·Sim·Agentic, 18층) — 대기자 포함 참석 가능 안내(9/3)

P1Data Collection & ProcessingP2Model Training (VLA)P3SimulationP4Sim-to-RealP5Agentic Orchestration

1 · Customer Overview

Workload (소싱: FinalSelection): Tommoro Robotics는 독자 캡처 장치로 멀티센서 데이터를 수집하고, VLA 모델을 학습·배포한 뒤 현장 피드백을 재학습에 활용하는 폐쇄 루프 데이터 플라이휠을 운영하며 300개 이상 셀로 확장 계획.
Pain Point (소싱): 수집 셀 확장에 따라 TB→PB 규모로 증가하는 데이터 파이프라인의 처리량·내구성 검증과 VLA 모델 학습을 위한 대규모 멀티 GPU 클러스터의 운영·비용 관리가 핵심 과제
Project Summary (소싱): 수집 셀을 300개 이상으로 확장함에 따라 TB→PB 규모로 증가하는 데이터 파이프라인의 처리량·내구성 검증과, VLA 모델 학습을 위한 대규모 멀티 GPU 클러스터의 운영·비용 관리가 핵심 과제입니다. 현재 MinIO 병목을 대체할 페타바이트급 멀티센서 데이터 레이크 구축이 필요합니다.
SFDC Opportunity: 미입력
Customer Background / Notes: 미입력

3 · Program Goal

Target Outcome (소싱: FinalSelection): 페타바이트 규모 멀티센서 데이터 레이크를 구축하여 현재 MinIO 병목을 대체하고, 큐레이션된 데이터에서 멀티 GPU 클러스터 VLA 모델 학습까지 이어지는 고처리량 엔드투엔드 파이프라인을 확립하여 GPU 활용률을 극대화.
Overall Goal (프로그램 종료 시 도달점 — 고객 합의 후 확정): 미입력
Success Criteria / KPI: 미입력
Agreed Milestones (고객 합의, 2–3개): Q4 2026

2 · Involved Members & Roles

Side	Name	Role	Responsibility
AWS	Jo, Minsoo	Account Manager (1차 오너)	고객 케이던스 · 트래커 갱신 · 펀딩 데이터
AWS	Choi, Chulwoo	Account SA (1차 오너)	기술 케이던스 · 필러 수요 · Exit Artifact
AWS	TBU	AI Specialist Sales	—
AWS	TBU	AI Specialist SA	—
AWS	Chanmi/Hyungmin	Focal (배석)	—

미지정 역할Pillar Owner(s) — OQ-7 확정 후 · SPOC (PoC 메일 수신·회신 필수) · Tech Lead · Exec Sponsor

4 · Pillar Plan

Pillar	In Scope	Sub-Goal (고객별)	Deliverable (Exit Artifact)	Owner (Pillar/SA)	Status	Notes
P1 Data Collection & Processing	Y	—	리뷰 완료된 데이터 파이프라인 아키텍처 1건	—	Not Started	—
P2 Model Training (VLA)	Y	—	학습 인프라 구성안 확정 또는 1차 학습 실행 검증	—	Not Started	—
P3 Simulation	Y	—	시뮬레이션 환경 구축 완료 또는 RL 파이프라인 검증	—	Not Started	—
P4 Sim-to-Real	Y	—	엣지 배포 테스트 1회 또는 Flywheel 설계 리뷰 완료	—	Not Started	—
P5 Agentic Orchestration	N	—	—	—	N/A	—

6 · Engagement Log

Date	Type	What	AWS Attendees	Customer Attendees	Outcome / Follow-up
2026-08-10	Kickoff	SUP 통합 킥오프 (Seowon) + 현장 수요조사	PAI V-Team	—	수요조사 결과 → 세션 로스터

Tommoro Robotics — Robotics (short-term priority: data) — Track: SUP · Tab owner: Account Team (AM/SA) · 갱신: 고객 싱크 후 즉시 + Weekly 전일

SUP SUP

Roboe · Roboe Technology

VLM-centric robotics

Green

Roboe Technology(로보에테크놀로지)는 2021년 설립된 서울 소재 로봇 기업으로, 자율작업형 AI 로봇 브랜드 MOROW를 개발·운영한다. 물류·제조 현장의 상하차, 팔레타이징, 피킹 등 고강도 반복 작업 자동화를 B2B로 제공한다.

Physical AI

자율 이동형 박스 핸들링 로봇 MBR(디배닝·스터핑), 카트형 박스 핸들링 로봇 CBR(혼합적재·디팔레타이징), 미학습 물체 피킹이 가능한 피스피킹 로봇 MPR을 MOROW 라인업으로 제공한다. 딥러닝·강화학습 기반 피킹·적재 모델, SLAM 기반 자율주행, NVIDIA 기술을 활용한 물리엔진 시뮬레이터를 자체 개발한다.

출처roboe.ai · thevc.kr

Phase: P1
Kickoff: Done
Working Backwards: 예정
Last Update: 2026-09-08

This weekWeek1 테크 워크샵 개최(9/7 Training·Edge · 9/8 Data·Sim·Agentic, 18층) — 대기자 포함 참석 가능 안내(9/3)

P1Data Collection & ProcessingP2Model Training (VLA)P3SimulationP4Sim-to-RealP5Agentic Orchestration

1 · Customer Overview

Workload (소싱: FinalSelection): 자율 팔레타이징, 스터핑 및 디배닝을 위한 AI 기반 물류 자동화 로봇을 개발하며, 물류 현장에 최적화된 지능형 로봇 시스템 구축을 위해 현장 데이터를 수집하는 2021년 설립 기업으로 레인보우 로보틱스와 파트너십을 맺고 있음.
Pain Point (소싱): 비정형 물류 환경에서의 복잡한 자율 조작, 랜덤 박스 팔레타이징을 위한 고급 인식·파지 기술, 파일럿에서 생산급 플릿 운영으로의 확장, 다양한 패키지 크기·무게에 대한 실시간 적응이 핵심 과제.
Project Summary (소싱): Roboe Technology는 자율 팔레타이징·스터핑·디배닝을 위한 AI 기반 물류 자동화 로봇 기업으로, 로봇에 직접 탑재할 VLM(Vision-Language Model)을 자체 개발하려 합니다. 본 프로젝트는 비정형 물류 환경에서의 랜덤 박스 인식·파지 및 자율 조작을 위한 VLM 구축을 목표로 합니다.
SFDC Opportunity: 미입력
Customer Background / Notes: 미입력

3 · Program Goal

Target Outcome (소싱: FinalSelection): AWS Physical AI 스택과 SageMaker HyperPod를 활용한 조작 모델 학습, 물류 시나리오용 sim-to-real 파이프라인, 창고 플릿 엣지 배포를 통해 AWS 기반 생산 규모 자율 물류 로보틱스를 구현. / APJ SUP Physical AI Roadshow에 참여 중이며, AWS 서울 서밋에서 David Randle과 미팅을 진행.
Overall Goal (프로그램 종료 시 도달점 — 고객 합의 후 확정): 미입력
Success Criteria / KPI: 미입력
Agreed Milestones (고객 합의, 2–3개): Q3 2026 (ASAP)

2 · Involved Members & Roles

Side	Name	Role	Responsibility
AWS	Lee, Jessie	Account Manager (1차 오너)	고객 케이던스 · 트래커 갱신 · 펀딩 데이터
AWS	TBD	Account SA (1차 오너)	기술 케이던스 · 필러 수요 · Exit Artifact
AWS	Yong Hwan Kim	AI Specialist Sales	—
AWS	TBU	AI Specialist SA	—
AWS	Chanmi/Hyungmin	Focal (배석)	—

미지정 역할Pillar Owner(s) — OQ-7 확정 후 · SPOC (PoC 메일 수신·회신 필수) · Tech Lead · Exec Sponsor

4 · Pillar Plan

Pillar	In Scope	Sub-Goal (고객별)	Deliverable (Exit Artifact)	Owner (Pillar/SA)	Status	Notes
P1 Data Collection & Processing	N	—	—	—	N/A	—
P2 Model Training (VLA)	Y	—	학습 인프라 구성안 확정 또는 1차 학습 실행 검증	—	Not Started	—
P3 Simulation	N	—	—	—	N/A	—
P4 Sim-to-Real	N	—	—	—	N/A	—
P5 Agentic Orchestration	N	—	—	—	N/A	—

6 · Engagement Log

Date	Type	What	AWS Attendees	Customer Attendees	Outcome / Follow-up
2026-08-10	Kickoff	SUP 통합 킥오프 (Seowon) + 현장 수요조사	PAI V-Team	—	수요조사 결과 → 세션 로스터

Roboe Technology — VLM-centric robotics — Track: SUP · Tab owner: Account Team (AM/SA) · 갱신: 고객 싱크 후 즉시 + Weekly 전일

SUP SUP

Caring

Assistive-care robotics + agent

Green

Caring은 방문요양·가족요양·주간보호센터 등을 운영하는 국내 시니어 케어 전문 기업입니다. 1만 명 이상의 요양보호사를 직접 고용하며 본사 직영 방식으로 돌봄 서비스를 제공합니다.

Physical AI

2025년 10월 휴머노이드 돌봄 로봇 개발에 필요한 모션 데이터를 생성·분석·학습하는 Motion Scale 사업부를 신설했습니다. 중국 로봇 스타트업 MirrorMe와 돌봄 로봇 공동 개발 MOU를, 국내 마음AI와 피지컬 AI 공동 연구개발 협약을 체결했습니다.

출처caring.co.kr · mt.co.kr · venturesquare.net

Phase: P1
Kickoff: Done
Working Backwards: 예정
Last Update: 2026-09-08

This weekWeek1 테크 워크샵 개최(9/7 Training·Edge · 9/8 Data·Sim·Agentic, 18층) — 대기자 포함 참석 가능 안내(9/3)

P1Data Collection & ProcessingP2Model Training (VLA)P3SimulationP4Sim-to-RealP5Agentic Orchestration

1 · Customer Overview

Workload (소싱: FinalSelection): Caring은 전국 58개 직영 시설을 Physical AI 검증·데이터 수집 테스트베드로 활용하며, 중국 로보틱스 스타트업 MirrorMe와 협력하여 대화형 AI, 투약 관리, 낙상 감지, 일상생활 지원, 모션 제어 등 고령자 특화 휴머노이드 케어 로봇을 공동 개발하고 있음.
Pain Point (소싱): Physical AI 신규 진입자로서 레퍼런스 아키텍처와 장기 전략 파트너십이 부재하며, 로봇 데이터 수집 파이프라인 및 모델 학습 방법론에 대한 실질적 컨설팅이 필요.
Project Summary (소싱): Caring은 전국 58개 직영 시설을 테스트베드로 활용해 중국 로보틱스 스타트업 MirrorMe와 함께 고령자 특화 휴머노이드 케어 로봇을 공동 개발하는 Physical AI 신규 진입자입니다. 로봇 데이터 수집과 모델 학습을 통해 시니어 케어 및 영유아 교육용 로봇을 구현하는 것을 목표로 합니다.
SFDC Opportunity: 미입력
Customer Background / Notes: 미입력

3 · Program Goal

Target Outcome (소싱: FinalSelection): 2026년 내 AWS 기반 Physical AI 파이프라인 구축으로 [금액 비공개] ARR을 목표하고, 장기 로보틱스 파트너십을 통한 업셀링 기회 확보 및 한국 Physical AI 생태계를 위한 로봇 라이트하우스 사례를 창출.
Overall Goal (프로그램 종료 시 도달점 — 고객 합의 후 확정): 미입력
Success Criteria / KPI: 미입력
Agreed Milestones (고객 합의, 2–3개): Q3 2026 (ASAP)

2 · Involved Members & Roles

Side	Name	Role	Responsibility
AWS	Lee, Jessie	Account Manager (1차 오너)	고객 케이던스 · 트래커 갱신 · 펀딩 데이터
AWS	TBD	Account SA (1차 오너)	기술 케이던스 · 필러 수요 · Exit Artifact
AWS	Yong Hwan Kim	AI Specialist Sales	—
AWS	TBU	AI Specialist SA	—
AWS	Chanmi/Hyungmin	Focal (배석)	—

미지정 역할Pillar Owner(s) — OQ-7 확정 후 · SPOC (PoC 메일 수신·회신 필수) · Tech Lead · Exec Sponsor

4 · Pillar Plan

Pillar	In Scope	Sub-Goal (고객별)	Deliverable (Exit Artifact)	Owner (Pillar/SA)	Status	Notes
P1 Data Collection & Processing	Y	—	리뷰 완료된 데이터 파이프라인 아키텍처 1건	—	Not Started	—
P2 Model Training (VLA)	Y	—	학습 인프라 구성안 확정 또는 1차 학습 실행 검증	—	Not Started	—
P3 Simulation	N	—	—	—	N/A	—
P4 Sim-to-Real	N	—	—	—	N/A	—
P5 Agentic Orchestration	Y	—	오케스트레이션(또는 디지털 트윈) 아키텍처 리뷰 1건	—	Not Started	—

6 · Engagement Log

Date	Type	What	AWS Attendees	Customer Attendees	Outcome / Follow-up
2026-08-10	Kickoff	SUP 통합 킥오프 (Seowon) + 현장 수요조사	PAI V-Team	—	수요조사 결과 → 세션 로스터

Caring — Assistive-care robotics + agent — Track: SUP · Tab owner: Account Team (AM/SA) · 갱신: 고객 싱크 후 즉시 + Weekly 전일

SUP SUP

Wirobotics

Wearable robotics (GR00T fine-tune)

Green

Wirobotics는 웨어러블 로봇과 휴머노이드 로봇을 개발하는 국내 로봇 기업입니다. 보행 보조 웨어러블 로봇 WIM을 주력 제품으로 판매하며 WIM 보행운동 센터를 운영합니다.

Physical AI

WIM으로 축적한 실사용 데이터와 제어 기술을 바탕으로 고자유도 손·팔과 전신 실시간 제어를 갖춘 휴머노이드 ALLEX를 개발하고 있으며, ALLEX의 시뮬레이션 모델과 Sim-to-Real 검증 결과를 공개했습니다. 연구용 Mobile ALLEX 출시를 계획하고 있으며 AWS·NVIDIA와 Physical AI 기술 협력, 글로벌 자동차 제조사와 제조 현장 PoC를 추진 중입니다.

출처wirobotics.com · byline.network · unicornfactory.co.kr

Phase: P1
Kickoff: Done
Working Backwards: —
Last Update: 2026-09-08

This weekWeek1 테크 워크샵 개최(9/7 Training·Edge · 9/8 Data·Sim·Agentic, 18층) — 대기자 포함 참석 가능 안내(9/3)

P1Data Collection & ProcessingP2Model Training (VLA)P3SimulationP4Sim-to-RealP5Agentic Orchestration

1 · Customer Overview

Workload (소싱: FinalSelection): WIRobotics는 자체 ALLEX 휴머노이드 로봇(48-DoF)에서 NVIDIA GR00T N1.7 VLA 모델을 AWS GPU(p4d/p5)로 파인튜닝하고, Damastes 텔레오퍼레이션 데이터 수집→S3→전처리→학습→Isaac Lab 시뮬레이션 평가→실제 로봇 30Hz 추론 배포까지 전체 파이프라인을 운영하며 SageMaker로 실험을 관리.
Pain Point (소싱): Isaac Sim 카메라 설정이 실제 환경과 불일치하여 시뮬레이션 평가의 신뢰성이 낮고, sim-to-real 격차 해소를 위한 대규모 병렬 시뮬레이션·도메인 랜덤화에 상당한 GPU 자원이 필요하며, 현재 단일 작업(볼트 체결)에서 멀티 태스크 양팔 조작·언어 조건 제어(GR00T S2)로 확장하기 위한 학습·평가 인프라가 미구축 상태.
Project Summary (소싱): WIRobotics는 자체 ALLEX 휴머노이드 로봇(48-DoF)에 NVIDIA GR00T VLA 모델을 AWS GPU로 파인튜닝하는 한국 최고 수준의 Physical AI 스타트업입니다. 텔레오퍼레이션 데이터 수집부터 학습·시뮬레이션 평가·실제 로봇 추론 배포까지 전 파이프라인을 AWS에서 운영하며, 휴머노이드 세부 태스크 수행용 VLM 개발과 sim-to-real 격차 해소를 핵심 과제로 삼고 있습니다.
SFDC Opportunity: 미입력
Customer Background / Notes: 미입력

3 · Program Goal

Target Outcome (소싱: FinalSelection): VLA로 해결하고자 하는 구체적 작업이 정의되면, 심화 GenAIIC 협업을 위한 다음 단계를 평가할 예정. / Gen AI Innovation Center(Charlie, Yash, Sri)와 Physical AI Fellowship 2026이 이 계정에 참여 중.
Overall Goal (프로그램 종료 시 도달점 — 고객 합의 후 확정): 미입력
Success Criteria / KPI: 미입력
Agreed Milestones (고객 합의, 2–3개): Q3 2026

2 · Involved Members & Roles

Side	Name	Role	Responsibility
AWS	Lee, Jessie	Account Manager (1차 오너)	고객 케이던스 · 트래커 갱신 · 펀딩 데이터
AWS	TBD	Account SA (1차 오너)	기술 케이던스 · 필러 수요 · Exit Artifact
AWS	Yong Hwan Kim	AI Specialist Sales	—
AWS	TBU	AI Specialist SA	—
AWS	Chanmi/Hyungmin	Focal (배석)	—

미지정 역할Pillar Owner(s) — OQ-7 확정 후 · SPOC (PoC 메일 수신·회신 필수) · Tech Lead · Exec Sponsor

4 · Pillar Plan

Pillar	In Scope	Sub-Goal (고객별)	Deliverable (Exit Artifact)	Owner (Pillar/SA)	Status	Notes
P1 Data Collection & Processing	Y	—	리뷰 완료된 데이터 파이프라인 아키텍처 1건	—	Not Started	—
P2 Model Training (VLA)	Y	—	학습 인프라 구성안 확정 또는 1차 학습 실행 검증	—	Not Started	—
P3 Simulation	Y	—	시뮬레이션 환경 구축 완료 또는 RL 파이프라인 검증	—	Not Started	—
P4 Sim-to-Real	Y	—	엣지 배포 테스트 1회 또는 Flywheel 설계 리뷰 완료	—	Not Started	—
P5 Agentic Orchestration	N	—	—	—	N/A	—

6 · Engagement Log

Date	Type	What	AWS Attendees	Customer Attendees	Outcome / Follow-up
2026-08-10	Kickoff	SUP 통합 킥오프 (Seowon) + 현장 수요조사	PAI V-Team	—	수요조사 결과 → 세션 로스터

Wirobotics — Wearable robotics (GR00T fine-tune) — Track: SUP · Tab owner: Account Team (AM/SA) · 갱신: 고객 싱크 후 즉시 + Weekly 전일

SUP SUP

Diden · Diden Robotics

RL/VLA robotics (cloud zero-start)

Green

Diden Robotics는 2024년 KAIST 기계공학과 휴머노이드로봇연구센터 출신 연구진이 설립한 로봇 기업으로, 산업 현장을 위한 Physical AI를 개발합니다. 구동기·전장 하드웨어부터 보행 제어, 비전 AI, 시뮬레이션 기반 학습까지 자체 개발합니다.

Physical AI

전자기 영구자석 발을 이용해 선박 블록 내부의 수직 벽면·천장을 이동하며 용접·검사 작업을 수행하는 사족보행 로봇 Diden Spider를 개발해 국내 주요 조선사에 납품했으며, Diden Walker와 Diden Humanoid 플랫폼도 개발 중입니다. Sim-to-Real 기술을 기반으로 하며, 2026년 NVIDIA GTC 기조연설에서 산업 현장 Physical AI 사례로 소개되었습니다.

출처didenrobotics.com · venturesquare.net · view.asiae.co.kr

Phase: P1
Kickoff: Done
Working Backwards: —
Last Update: 2026-09-08

This weekWeek1 테크 워크샵 개최(9/7 Training·Edge · 9/8 Data·Sim·Agentic, 18층) — 대기자 포함 참석 가능 안내(9/3)

P1Data Collection & ProcessingP2Model Training (VLA)P3SimulationP4Sim-to-RealP5Agentic Orchestration

1 · Customer Overview

Workload (소싱: FinalSelection): Diden Robotics는 조선소·석유화학·강교·발전소 등 위험 산업 환경을 위한 보행 로봇(사족·이족·휴머노이드)을 제작 / 주력 제품 Diden Spider는 자성발로 벽·천장을 등반해 용접·NDT 검사·도장을 수행. / 핵심 역량은 RL 보행·Sim2Real과 VLA/파운데이션 모델(계획 중)
Pain Point (소싱): 프로덕션 AWS 시스템이 없는 제로 상태에서 시작하며, 세계적 로보틱스/RL 역량에도 클라우드 경험이 부족하고(GCP/NCP 사용 경력), ML 팀이 7→30명으로 성장 중이나 Sim2Real 프레임워크가 클라우드 분산 학습 미대응이며, IoT/데이터 아키텍처 가이던스와 6개월 내 [금액 비공개]로 급증하는 GPU 비용 최적화가 필요.
Project Summary (소싱): Diden Robotics는 클라우드 경험이 부족한 제로 상태에서 AWS로의 마이그레이션과 신규 구성을 시작하며, Sim2Real 기반 VLM 개발과 본격적인 GPU 워크로드 확장 단계에 진입하고 있습니다.
SFDC Opportunity: 미입력
Customer Background / Notes: 미입력

3 · Program Goal

Target Outcome (소싱: FinalSelection): 세계적 Physical AI 역량(기네스 기록, 세계 최초 RL 벽면 등반, IEEE T-RO·Science Robotics·ICML·NeurIPS 논문)과 KAIST 로보틱스 핵심 팀을 보유하며, Amazon MARS 2026에 초대된 유일한 한국 스타트업이자 NVIDIA GTC 2026 오프닝에 소개될 만큼 탁월한 글로벌 가시성과 전략적 관계를 갖추고 있음.
Overall Goal (프로그램 종료 시 도달점 — 고객 합의 후 확정): 미입력
Success Criteria / KPI: 미입력
Agreed Milestones (고객 합의, 2–3개): Q3 2026

2 · Involved Members & Roles

Side	Name	Role	Responsibility
AWS	Lee, Junwoo Ryan	Account Manager (1차 오너)	고객 케이던스 · 트래커 갱신 · 펀딩 데이터
AWS	Yoon, Minwook	Account SA (1차 오너)	기술 케이던스 · 필러 수요 · Exit Artifact
AWS	TBU	AI Specialist Sales	—
AWS	TBU	AI Specialist SA	—
AWS	Chanmi/Hyungmin	Focal (배석)	—

미지정 역할Pillar Owner(s) — OQ-7 확정 후 · SPOC (PoC 메일 수신·회신 필수) · Tech Lead · Exec Sponsor

4 · Pillar Plan

Pillar	In Scope	Sub-Goal (고객별)	Deliverable (Exit Artifact)	Owner (Pillar/SA)	Status	Notes
P1 Data Collection & Processing	Y	—	리뷰 완료된 데이터 파이프라인 아키텍처 1건	—	Not Started	—
P2 Model Training (VLA)	Y	—	학습 인프라 구성안 확정 또는 1차 학습 실행 검증	—	Not Started	—
P3 Simulation	Y	—	시뮬레이션 환경 구축 완료 또는 RL 파이프라인 검증	—	Not Started	—
P4 Sim-to-Real	Y	—	엣지 배포 테스트 1회 또는 Flywheel 설계 리뷰 완료	—	Not Started	—
P5 Agentic Orchestration	N	—	—	—	N/A	—

6 · Engagement Log

Date	Type	What	AWS Attendees	Customer Attendees	Outcome / Follow-up
2026-08-10	Kickoff	SUP 통합 킥오프 (Seowon) + 현장 수요조사	PAI V-Team	—	수요조사 결과 → 세션 로스터

Diden Robotics — RL/VLA robotics (cloud zero-start) — Track: SUP · Tab owner: Account Team (AM/SA) · 갱신: 고객 싱크 후 즉시 + Weekly 전일

SUP SUP

Gole · Gole Robotics

Robotics (MetAI·N.Light digital-twin MOU)

Green

Gole Robotics는 포스코그룹 사내벤처 프로그램 POVENTURES에서 출발해 2023년 분사한 건설 로봇 스타트업입니다. 자율주행 로봇으로 건설 현장의 자재 운반·양중을 자동화하고 물류 데이터 기반의 현장 디지털 전환을 지원합니다.

Physical AI

아파트 건설 현장에서 야간에 자율주행 로봇이 자재를 하역 지점부터 세대 입구까지 운반하는 로봇 물류 서비스 WERO를 운영하며, 엘리베이터 부착형 로봇 EVW-1로 현장 호이스트를 호출해 층간 이동을 자동화합니다.

출처golerobotics.com · newsroom.posco.com · mt.co.kr

Phase: P1
Kickoff: Done
Working Backwards: 8/19 논의완료
Last Update: 2026-09-08

This weekWeek1 테크 워크샵 개최(9/7 Training·Edge · 9/8 Data·Sim·Agentic, 18층) — 대기자 포함 참석 가능 안내(9/3)

P1Data Collection & ProcessingP2Model Training (VLA)P3SimulationP4Sim-to-RealP5Agentic Orchestration

1 · Customer Overview

Workload (소싱: FinalSelection): Gole Robotics는 건설 현장 물류 자동화를 위한 AMR과 FMS를 개발하며, 야간 중량 자재 자율 배송 로봇과 클라우드 기반 실시간 플릿 관리 플랫폼을 IoT Greengrass, Lambda, AppSync, Aurora 등 AWS 아키텍처로 설계·구축 중.
Pain Point (소싱): MS와 데이터 플랫폼의 클라우드 인프라를 처음부터 구축해야 하며, 플릿 확장 시 IoT Core/Lambda 비용을 줄이기 위한 엣지 배칭 전략과 NVIDIA Omniverse/Isaac Sim 기반 건설 현장 디지털 트윈 시뮬레이션의 AWS 통합 경험이 부족.
Project Summary (소싱): Gole Robotics는 삼성전자 평택 팹을 시작으로 국내외 대형 반도체·배터리 팹으로 확장하며, 데이터 파이프라인 기반 FMS 운영과 NVIDIA Omniverse/Isaac Sim 연계 Sim2Real 학습 클러스터 구축을 핵심 과제로 삼고 있습니다.
SFDC Opportunity: 미입력
Customer Background / Notes: 미입력

3 · Program Goal

Target Outcome (소싱: FinalSelection): 삼성전자 평택 팹 본격 배포를 시작으로 삼성바이오·현대차·SK하이닉스·해외(캐나다 GM JV, 미국 반도체/배터리 팹)로 확장하며, 플릿 성장에 따른 클라우드 비용 최적화, 빅데이터 분석 레이어 구축, AWS 기반 디지털 트윈 시뮬레이션 구현을 목표로 함.
Overall Goal (프로그램 종료 시 도달점 — 고객 합의 후 확정): 미입력
Success Criteria / KPI: 미입력
Agreed Milestones (고객 합의, 2–3개): Q4 2026

2 · Involved Members & Roles

Side	Name	Role	Responsibility
AWS	Lee, Junwoo Ryan	Account Manager (1차 오너)	고객 케이던스 · 트래커 갱신 · 펀딩 데이터
AWS	Yoon, Minwook	Account SA (1차 오너)	기술 케이던스 · 필러 수요 · Exit Artifact
AWS	TBU	AI Specialist Sales	—
AWS	TBU	AI Specialist SA	—
AWS	Chanmi/Hyungmin	Focal (배석)	—

미지정 역할Pillar Owner(s) — OQ-7 확정 후 · SPOC (PoC 메일 수신·회신 필수) · Tech Lead · Exec Sponsor

4 · Pillar Plan

Pillar	In Scope	Sub-Goal (고객별)	Deliverable (Exit Artifact)	Owner (Pillar/SA)	Status	Notes
P1 Data Collection & Processing	Y	—	리뷰 완료된 데이터 파이프라인 아키텍처 1건	—	Not Started	—
P2 Model Training (VLA)	Y	—	학습 인프라 구성안 확정 또는 1차 학습 실행 검증	—	Not Started	—
P3 Simulation	Y	—	시뮬레이션 환경 구축 완료 또는 RL 파이프라인 검증	—	Not Started	—
P4 Sim-to-Real	Y	—	엣지 배포 테스트 1회 또는 Flywheel 설계 리뷰 완료	—	Not Started	—
P5 Agentic Orchestration	N	—	—	—	N/A	—

6 · Engagement Log

Date	Type	What	AWS Attendees	Customer Attendees	Outcome / Follow-up
2026-08-10	Kickoff	SUP 통합 킥오프 (Seowon) + 현장 수요조사	PAI V-Team	—	수요조사 결과 → 세션 로스터

Gole Robotics — Robotics (MetAI·N.Light digital-twin MOU) — Track: SUP · Tab owner: Account Team (AM/SA) · 갱신: 고객 싱크 후 즉시 + Weekly 전일

SUP SUP

RLWRLD

Robot foundation model (HyperPod transition)

Green

RLWRLD는 2024년 설립된 국내 로보틱스 AI 스타트업으로, 산업 현장의 정교한 작업을 위한 로봇 파운데이션 모델을 개발합니다. Olaworks 창업자이자 FuturePlay 대표인 류중희(Jung-hee Ryu)가 창업해 대표를 맡고 있습니다.

Physical AI

고자유도 다섯 손가락 로봇 손의 정교한 조작을 위한 VLA 파운데이션 모델 RLDX-1을 2026년 5월 공개하고 가중치·코드를 오픈소스로 배포했습니다. 비전·모션·메모리·토크 신호를 처리하는 Multi-Stream Action Transformer 구조와 합성 데이터 엔진, 사람 손 모션캡처 파이프라인을 활용하며, LG전자·CJ대한통운·Mitsui Chemicals 등이 투자했습니다.

출처therobotreport.com · rdworldonline.com

Phase: P1
Kickoff: Done
Working Backwards: 10월중으로 계획
Last Update: 2026-09-08

This weekWeek1 테크 워크샵 개최(9/7 Training·Edge · 9/8 Data·Sim·Agentic, 18층) — 대기자 포함 참석 가능 안내(9/3)

P1Data Collection & ProcessingP2Model Training (VLA)P3SimulationP4Sim-to-RealP5Agentic Orchestration

1 · Customer Overview

Workload (소싱: FinalSelection): 1/ EC2 ParallelCluster를 SageMaker HyperPod로 전환하여 AWS에서 로봇 파운데이션 모델 학습 파이프라인을 개선하고, 2/ 다양한 유형의 데이터를 클라우드에서 쉽게 수집·처리하기 위한 AWS 기반 데이터 파이프라인을 구축하며, 3/ AWS IoT 서비스를 활용해 다양한 디바이스를 효과적으로 관리하고, 4/ 클라우드 기반 로봇 파운데이션 모델 추론을 성공적으로 실행
Pain Point (소싱): RLWRLD는 현재 온프레미스 기반 데이터 파이프라인을 AWS로 이전하여 생산성·성능을 높이고자 하며, 클라우드 기반 로봇 파운데이션 모델 추론 시 지연시간 문제를 겪고 있어 GenAIIC가 지원을 약속
Project Summary (소싱): RLWRLD는 온프레미스 데이터 파이프라인을 AWS로 이전하고, EC2 ParallelCluster를 SageMaker HyperPod로 전환해 로봇 파운데이션 모델 학습·추론 파이프라인을 고도화하는 것이 핵심 과제입니다.
SFDC Opportunity: 미입력
Customer Background / Notes: 미입력

3 · Program Goal

Target Outcome (소싱: FinalSelection): AWS에서 데이터 파이프라인 워크로드를 확보하고, 클라우드 기반 RFM 추론의 라이트하우스 사례를 창출
Overall Goal (프로그램 종료 시 도달점 — 고객 합의 후 확정): 미입력
Success Criteria / KPI: 미입력
Agreed Milestones (고객 합의, 2–3개): 26년 리인벤트에서 클라우드 기반 RFM 추론에 대해 데모하는 것을 목표로 진행 중 (GenAIIC 공동 진행)

2 · Involved Members & Roles

Side	Name	Role	Responsibility
AWS	Park, Sung Bae	Account Manager (1차 오너)	고객 케이던스 · 트래커 갱신 · 펀딩 데이터
AWS	YongHwan Yoo	Account SA (1차 오너)	기술 케이던스 · 필러 수요 · Exit Artifact
AWS	TBU	AI Specialist Sales	—
AWS	TBU	AI Specialist SA	—
AWS	Chanmi/Hyungmin	Focal (배석)	—

미지정 역할Pillar Owner(s) — OQ-7 확정 후 · SPOC (PoC 메일 수신·회신 필수) · Tech Lead · Exec Sponsor

4 · Pillar Plan

Pillar	In Scope	Sub-Goal (고객별)	Deliverable (Exit Artifact)	Owner (Pillar/SA)	Status	Notes
P1 Data Collection & Processing	N	—	—	—	N/A	—
P2 Model Training (VLA)	Y	—	학습 인프라 구성안 확정 또는 1차 학습 실행 검증	—	Not Started	—
P3 Simulation	Y	—	시뮬레이션 환경 구축 완료 또는 RL 파이프라인 검증	—	Not Started	—
P4 Sim-to-Real	Y	—	엣지 배포 테스트 1회 또는 Flywheel 설계 리뷰 완료	—	Not Started	—
P5 Agentic Orchestration	N	—	—	—	N/A	—

6 · Engagement Log

Date	Type	What	AWS Attendees	Customer Attendees	Outcome / Follow-up
2026-08-10	Kickoff	SUP 통합 킥오프 (Seowon) + 현장 수요조사	PAI V-Team	—	수요조사 결과 → 세션 로스터

RLWRLD — Robot foundation model (HyperPod transition) — Track: SUP · Tab owner: Account Team (AM/SA) · 갱신: 고객 싱크 후 즉시 + Weekly 전일

SUP SUP (Startup, Seed 단계, T1)

Config

Physical AI (p6-b200 scale-out, Edge)

Green

Config(Config Intelligence Inc.)는 범용 양팔(bimanual) 로봇을 위한 데이터 인프라와 기술을 개발하는 기업으로, San Jose·서울·하노이에 거점이 있습니다. 로봇 파운데이션 모델 학습 데이터를 공급하는 ‘로보틱스의 TSMC’를 지향하며 2026년 시드 투자를 유치했습니다.

Physical AI

실제 시연 데이터를 수집부터 평가까지 6개 모듈로 처리해 작업별 로봇 정책으로 변환하는 플랫폼 Loop와, 자체 사람·로봇 데이터로 학습한 양팔 조작용 로봇 파운데이션 모델 CFG-1을 개발했습니다. 10만 시간 이상의 사람 모션 데이터를 확보했다고 밝혔으며, 사람과 공존하는 로봇을 위한 HABIT 데이터셋을 공개했습니다.

출처config.inc · en.wowtale.net

Phase: P1
Kickoff: Done
Working Backwards: —
Last Update: 2026-09-08

This weekWeek1 테크 워크샵 개최(9/7 Training·Edge · 9/8 Data·Sim·Agentic, 18층) — 대기자 포함 참석 가능 안내(9/3)

P1Data Collection & ProcessingP2Model Training (VLA)P3SimulationP4Sim-to-RealP5Agentic Orchestration

1 · Customer Overview

Workload (소싱: FinalSelection): 로봇 파운데이션 모델 (Simulate & Train, Edge Inference) — p5en에서 p6-b200 인스턴스로 확장하여 차세대 로봇 파운데이션 모델 개발, AWS IoT 서비스를 활용한 다양한 H/W 디바이스 관리
Pain Point (소싱): 1/ 디바이스 관리 — 다양한 디바이스의 활성화 상태를 수동으로 확인하고 있으며, 여러 H/W 디바이스에 배포된 정책을 관리하는 데 상당한 시간 소요
2 RFM 학습 — 다양한 분산 학습 기술을 활용하여 로봇 파운데이션 모델을 학습할 계획이나, 대규모 컴퓨팅 리소스 확보 필요
Project Summary (소싱): p5en에서 p6-b200 인스턴스로 GPU 클러스터를 확장해 차세대 로봇 파운데이션 모델(RFM)의 분산 학습을 가속화하고, AWS IoT 서비스로 다양한 H/W 디바이스를 통합 관리하는 프로젝트입니다. 대규모 컴퓨팅 리소스 확보와 수동 디바이스 관리 부담 해소가 핵심 과제입니다.
SFDC Opportunity: 미입력
Customer Background / Notes: 미입력

3 · Program Goal

Target Outcome (소싱: FinalSelection): 1/ 현재 크로스 서비스 PPA 조기 갱신 — [금액 비공개]에서 [금액 비공개]으로 규모 확대
2 Physical AI 워크로드에 활용되는 AWS IoT 서비스 대표 사례(Lighthouse Case) 확보
Overall Goal (프로그램 종료 시 도달점 — 고객 합의 후 확정): 미입력
Success Criteria / KPI: 미입력
Agreed Milestones (고객 합의, 2–3개): Q3 2026

2 · Involved Members & Roles

Side	Name	Role	Responsibility
AWS	Park, Sung Bae	Account Manager (1차 오너)	고객 케이던스 · 트래커 갱신 · 펀딩 데이터
AWS	YongHwan Yoo	Account SA (1차 오너)	기술 케이던스 · 필러 수요 · Exit Artifact
AWS	TBU	AI Specialist Sales	—
AWS	TBU	AI Specialist SA	—
AWS	Chanmi/Hyungmin	Focal (배석)	—

미지정 역할Pillar Owner(s) — OQ-7 확정 후 · SPOC (PoC 메일 수신·회신 필수) · Tech Lead · Exec Sponsor

4 · Pillar Plan

Pillar	In Scope	Sub-Goal (고객별)	Deliverable (Exit Artifact)	Owner (Pillar/SA)	Status	Notes
P1 Data Collection & Processing	N	—	—	—	N/A	—
P2 Model Training (VLA)	Y	—	학습 인프라 구성안 확정 또는 1차 학습 실행 검증	—	Not Started	—
P3 Simulation	Y	—	시뮬레이션 환경 구축 완료 또는 RL 파이프라인 검증	—	Not Started	—
P4 Sim-to-Real	Y	—	엣지 배포 테스트 1회 또는 Flywheel 설계 리뷰 완료	—	Not Started	—
P5 Agentic Orchestration	N	—	—	—	N/A	—

6 · Engagement Log

Date	Type	What	AWS Attendees	Customer Attendees	Outcome / Follow-up
2026-08-10	Kickoff	SUP 통합 킥오프 (Seowon) + 현장 수요조사	PAI V-Team	—	수요조사 결과 → 세션 로스터

Config — Physical AI (p6-b200 scale-out, Edge) — Track: SUP · Tab owner: Account Team (AM/SA) · 갱신: 고객 싱크 후 즉시 + Weekly 전일

SUP SUP

Cupix

IoT Digital Twin

Green

Cupix는 건설 및 시설 관리를 위한 공간 지능(spatial intelligence)·디지털 트윈 플랫폼 CupixWorks를 제공하는 기업입니다. 360° 카메라 영상을 AI로 3D 지도와 시간축이 포함된 4D 디지털 트윈으로 변환해 현장 기록, 공정 관리, BIM 검증을 지원합니다.

Physical AI

360° 영상 기반 3D 맵에 레이저 스캔, 드론 정사영상, BIM 모델을 하나의 디지털 트윈으로 통합하는 실공간 디지털화 기술을 제공하며, SiteInsights 애드온으로 구역·공종별 공정률을 자동 분석합니다. Autodesk BIM360·Forma, Procore, Oracle, ArcGIS 등과 연동됩니다.

출처cupix.com

Phase: P1
Kickoff: Done
Working Backwards: 예정
Last Update: 2026-09-08

This weekWeek1 테크 워크샵 개최(9/7 Training·Edge · 9/8 Data·Sim·Agentic, 18층) — 대기자 포함 참석 가능 안내(9/3)

P1Data Collection & ProcessingP2Model Training (VLA)P3SimulationP4Sim-to-RealP5Agentic Orchestration

1 · Customer Overview

Workload (소싱: FinalSelection): 3D 디지털 트윈 플랫폼으로, 360° 이미지로 건설/시설 현장을 촬영한 뒤 독자 스티칭 엔진으로 3D 포인트 클라우드 및 디지털 트윈을 생성하며, SageMaker에서 ML 모델(이미지 태깅, 3D 재구성)을 운영하고 현재 스티칭 엔진 고도화 및 AWS Marketplace 등록을 준비 중.
Pain Point (소싱): (1) KSA 리전을 위한 GCP에서 AWS로의 대규모 스토리지 마이그레이션 필요 (2) GPU 인스턴스에서의 이미지/영상 스티칭 엔진 성능 최적화 (3) 글로벌 시장 GTM에 한국 포함
Project Summary (소싱): 기존 360° 이미지 스티칭 엔진을 GPU 인스턴스에서 성능 최적화·고도화하고, KSA 리전 지원을 위해 GCP에서 AWS로 대규모 스토리지 마이그레이션을 진행하는 프로젝트입니다. 성능이 개선된 엔진을 기반으로 정해진 기간 내 서비스 런칭을 목표로 합니다.
SFDC Opportunity: 미입력
Customer Background / Notes: 미입력

3 · Program Goal

Target Outcome (소싱: FinalSelection): 정해진 기간 내 서비스 런칭(성능 개선된 엔진 기반)
Overall Goal (프로그램 종료 시 도달점 — 고객 합의 후 확정): 미입력
Success Criteria / KPI: 미입력
Agreed Milestones (고객 합의, 2–3개): 9월 초 타겟(내부 Opportunity Closed 예상)

2 · Involved Members & Roles

Side	Name	Role	Responsibility
AWS	Kang, Cheol	Account Manager (1차 오너)	고객 케이던스 · 트래커 갱신 · 펀딩 데이터
AWS	Jiyoung Lee	Account SA (1차 오너)	기술 케이던스 · 필러 수요 · Exit Artifact
AWS	Yong Hwan Kim	AI Specialist Sales	—
AWS	TBU	AI Specialist SA	—
AWS	Chanmi/Hyungmin	Focal (배석)	—

미지정 역할Pillar Owner(s) — OQ-7 확정 후 · SPOC (PoC 메일 수신·회신 필수) · Tech Lead · Exec Sponsor

4 · Pillar Plan

Pillar	In Scope	Sub-Goal (고객별)	Deliverable (Exit Artifact)	Owner (Pillar/SA)	Status	Notes
P1 Data Collection & Processing	N	—	—	—	N/A	—
P2 Model Training (VLA)	N	—	—	—	N/A	—
P3 Simulation	N	—	—	—	N/A	—
P4 Sim-to-Real	N	—	—	—	N/A	—
P5 Agentic Orchestration	Y	—	오케스트레이션(또는 디지털 트윈) 아키텍처 리뷰 1건	—	Not Started	—

6 · Engagement Log

Date	Type	What	AWS Attendees	Customer Attendees	Outcome / Follow-up
2026-08-10	Kickoff	SUP 통합 킥오프 (Seowon) + 현장 수요조사	PAI V-Team	—	수요조사 결과 → 세션 로스터

Cupix — IoT Digital Twin — Track: SUP · Tab owner: Account Team (AM/SA) · 갱신: 고객 싱크 후 즉시 + Weekly 전일

SUP SUP

Nearthlab

Drone/inspection (edge deploy core)

Green

Nearthlab은 2015년 KAIST 항공우주공학 출신 엔지니어 2명이 설립한 자율비행 드론·AI 기업으로, 위험 환경에서 사람을 대신하는 Physical AI를 표방합니다. 풍력 발전기 자율비행 점검 등 산업용 사업과 대드론(Counter-UAS)·배회형 무기 등 방산 사업을 함께 영위합니다.

Physical AI

GPS나 조종사 없이 탑재 컴퓨터에서 인지·항법·유도·제어를 수행하는 자율비행 소프트웨어 'Aerial Intelligence'를 핵심 기술로, 풍력 블레이드 자율 점검 NearthWIND와 AI 데이터 플랫폼 Zoomable을 40여 개국에 공급하고 Siemens Gamesa·Vestas·GE와 계약했습니다. 방산 분야에서는 대드론 요격 드론 KAiDEN과 1인이 10대를 동시 운용하는 군집 타격 드론 XAiDEN을 개발해 싱가포르·UAE에 수출했습니다.

출처nearthlab.com

Phase: P1
Kickoff: Done
Working Backwards: 예정
Last Update: 2026-09-08

This weekWeek1 테크 워크샵 개최(9/7 Training·Edge · 9/8 Data·Sim·Agentic, 18층) — 대기자 포함 참석 가능 안내(9/3)

P1Data Collection & ProcessingP2Model Training (VLA)P3SimulationP4Sim-to-RealP5Agentic Orchestration

1 · Customer Overview

Workload (소싱: FinalSelection): 자율 드론이 산업 자산(풍력 터빈, 송전탑, 건물) 주변을 비행하며 이미지를 촬영한 후 딥러닝 모델로 결함·이상을 자동 탐지하는 AI 검사 솔루션으로, AWS에서 드론 관리 대시보드, SageMaker/GPU 기반 이미지 분석 ML 파이프라인, IoT 드론 텔레메트리 처리를 운영.
Pain Point (소싱): (1) 대규모 GPU 기반 이미지/영상 추론·학습 비용 최적화 (2) 드론 비행 시뮬레이션 환경 고도화(Sim-to-Real) (3) 글로벌 확장(미국 등)을 위한 엣지-투-클라우드 데이터 파이프라인 아키텍처.
Project Summary (소싱): 대규모 GPU 기반 이미지/영상 추론·학습 비용을 최적화하고, Sim-to-Real 드론 비행 시뮬레이션 환경을 고도화하는 프로젝트입니다. 아울러 GPS 없이 동작하는 드론 자율 주행 고도화와 글로벌 확장을 위한 엣지-투-클라우드 데이터 파이프라인 아키텍처 구성을 핵심 과제로 삼고 있습니다.
SFDC Opportunity: 미입력
Customer Background / Notes: 미입력

3 · Program Goal

Target Outcome (소싱: FinalSelection): 자율 드론 AI 엔진 고도화 및 글로벌 서비스 확장을 위한 GPU 워크로드 최적화와 새로운 검사 도메인 확장을 위한 시뮬레이션 기반 학습 환경을 구축.
Overall Goal (프로그램 종료 시 도달점 — 고객 합의 후 확정): 미입력
Success Criteria / KPI: 미입력
Agreed Milestones (고객 합의, 2–3개): Q4 2026

2 · Involved Members & Roles

Side	Name	Role	Responsibility
AWS	Kang, Cheol	Account Manager (1차 오너)	고객 케이던스 · 트래커 갱신 · 펀딩 데이터
AWS	Jiyoung Lee	Account SA (1차 오너)	기술 케이던스 · 필러 수요 · Exit Artifact
AWS	Yong Hwan Kim	AI Specialist Sales	—
AWS	TBU	AI Specialist SA	—
AWS	Chanmi/Hyungmin	Focal (배석)	—

미지정 역할Pillar Owner(s) — OQ-7 확정 후 · SPOC (PoC 메일 수신·회신 필수) · Tech Lead · Exec Sponsor

4 · Pillar Plan

Pillar	In Scope	Sub-Goal (고객별)	Deliverable (Exit Artifact)	Owner (Pillar/SA)	Status	Notes
P1 Data Collection & Processing	Y	—	리뷰 완료된 데이터 파이프라인 아키텍처 1건	—	Not Started	—
P2 Model Training (VLA)	N	—	—	—	N/A	—
P3 Simulation	N	—	—	—	N/A	—
P4 Sim-to-Real	Y	—	엣지 배포 테스트 1회 또는 Flywheel 설계 리뷰 완료	—	Not Started	—
P5 Agentic Orchestration	N	—	—	—	N/A	—

6 · Engagement Log

Date	Type	What	AWS Attendees	Customer Attendees	Outcome / Follow-up
2026-08-10	Kickoff	SUP 통합 킥오프 (Seowon) + 현장 수요조사	PAI V-Team	—	수요조사 결과 → 세션 로스터

Nearthlab — Drone/inspection (edge deploy core) — Track: SUP · Tab owner: Account Team (AM/SA) · 갱신: 고객 싱크 후 즉시 + Weekly 전일

상태 값 기준

Lists 시트

Red / Amber / Green: Green · Amber · Red
Status: Not Started · In Progress · Blocked · Done · N/A
Kickoff: Done · Scheduled · Not Scheduled
Phase: P1 · P2 · P3 · Complete · Deferred