# Agentic AI & Physical AI 심화: 멀티에이전트와 로보틱스 연동 — 강의자료

## 과정 개요

여러 AI Agent가 협업하는 멀티에이전트 시스템과 로봇·센서 연동 Physical AI를 다루는 심화 과정

Agent 간 역할 분담과 오케스트레이션, Vision-Language 모델 기반 인지, 시뮬레이션-실환경 전이(Sim-to-Real)까지 다룹니다. 제조·물류 현장을 가정한 실습 프로젝트로 마무리합니다.

| 항목 | 내용 |
|---|---|
| 난이도 | 고급 |
| 진행 방식 | 부트캠프 |
| 표준 소요시간 | 24시간 (3일) |
| 대상 | AI Agent 실무 경험이 있는 개발자·엔지니어 |
| 관련 기술 | Agentic AI, Multimodal AI, Machine Learning, Physical AI |

## 학습 목표

- 멀티에이전트 오케스트레이션 패턴 설계
- VLM 기반 Physical AI 파이프라인 이해
- 시뮬레이션-실환경 전이(Sim-to-Real) 실습

## 모듈별 강의 내용

### Module 1. 멀티에이전트 오케스트레이션

- 역할 분담과 통신 프로토콜 설계
- 충돌·중복 작업 조정 전략

여러 Agent가 같은 작업을 중복 수행하거나 서로 충돌하는 문제는 역할 분담과 통신 규칙을 명확히 하지 않아서 생깁니다. 실제 다중 Agent 시나리오에서 이 충돌을 조정하는 패턴을 다룹니다.

### Module 2. Physical AI 기초

- Vision-Language Model 기반 인지
- 센서·로봇 연동 아키텍처

Physical AI는 카메라·센서로 본 것을 언어로 이해하고 행동으로 옮기는 Vision-Language 모델이 핵심입니다. 로봇·센서와 연동되는 아키텍처의 기본 구성을 살펴봅니다.

### Module 3. Sim-to-Real 프로젝트

- 시뮬레이션 환경 구성
- 실환경 전이 검증 및 발표

시뮬레이션에서 잘 되던 동작이 실환경에서 실패하는 경우가 많습니다. 간단한 시뮬레이션 환경을 구성하고, 실환경 전이 시 발생하는 오차를 어떻게 보정하는지 실습합니다.

## 진행 안내

각 모듈은 개념 설명 후 실습으로 이어지는 순서로 진행합니다. 모듈별 실습 문제는 별도 워크북 문서를 참고하세요.