로그인

로그인

AI 기술의 다음 단계, Physical AI

가상 시뮬레이션부터 실제 로봇 구현까지
Physical AI 로봇 엔지니어 코스

가상 시뮬레이션부터
실제 로봇까지 구현하는
Physical AI 로봇 엔지니어 코스

로봇 제어부터 AI 학습, Sim-to-Real까지 실무에 필요한 핵심 기술을 다룹니다.

SLM·VLM부터 임베디드·모바일까지,
디바이스 환경에서 AI를 구현하는 핵심 기술을 다룹니다.

교육 비용

27,515,400원 → 0원

100% 국비지원

교육 기간

약 9개월 26.07.27(월) ~ 27.05.07(금)

교육 시간

오프라인 100% / 오전 9시~오후 6시 (월~금, 9시간)

오프라인 100%
/ 오전 9시~오후 6시 (월~금, 9시간)

교육 스택

ROS2 / Isaac Sim / VLM / Sim-to-Real / RobotOps 등

교육 혜택

  1. 실습 장비 지원 |  로봇팔(FR3) · 3D LiDAR · 3D 카메라(RGB-D)

  1. 실습 장비 지원
    |  로봇팔(FR3) · 3D LiDAR · 3D 카메라(RGB-D)

  1. 훈련 장려금 지급/ 월 최대 40만원 * 개인마다 지급액 상이

  1. 훈련 장려금 지급/ 월 최대 40만원
    * 개인마다 지급액 상이

  1. 실제 비즈니스 데이터 활용 실전 프로젝트 4회

  1. 실제 기업 과제 프로젝트 포트폴리오 * 기업 대외비 내용 제외

  1. 실제 기업 과제 프로젝트 포트폴리오
    * 기업 대외비 내용 제외

  1. 고사양 노트북·GPU 서버· AI 개발 도구 지원

  1. 우수 수료생 / 기업 인턴십 연계 기회

  1. 무제한 1:1 취업지원 / 자소서 첨삭 및 면접 코칭

사전알림 신청하기

커리큘럼
프로젝트
기업과제
취업지원
모집개요
커리큘럼
프로젝트
기업과제
취업지원
모집개요

기업 연계 AI 경진대회

기업 초청 발표회

실제 기업 과제로 완성하는
실전형 포트폴리오

우수 프로젝트 선정 및 채용 연계 기회까지

로봇 커리어,

꼭 대학원 가야 할까요?

연구직 외에도, 학사 기반으로 도전할 수 있는
실무형 로봇 직무가 있습니다

연구직 외에도,
학사 기반으로 도전할 수 있는
실무형 로봇 직무가 있습니다

Physical AI를 배우면 로봇 제어, 센서 인식, Sim-to-Real, 현장 배포까지 실제 로봇을 구현하는 커리어로 확장할 수 있습니다.

석박사 중심 연구직
석박사 중심 연구직

역할

새로운 알고리즘·모델을 연구하고 고도화

결과물

논문, 신규 모델, 연구 프로토타입

진입 경로

대학원 진학 및 장기 연구 경험

학사 기반 실무형 직무
학사 기반 실무형 직무

역할

검증된 기술을 로봇 시스템에 구현·통합·운영

결과물

실제 현장에서 작동하는 로봇 시스템

진입 경로

관련 전공+ 실무 경험 + 기술 스택 기반

본 과정에서 Physical AI 실무 경험을 갖춘 후 도전할 수 있는 직무

로봇 SW 엔지니어

로봇이 주변 환경을 인식하고 스스로 판단·동작할 수 있도록 소프트웨어를 개발

로봇 비전 엔지니어

카메라와 센서를 활용해 로봇이 주변을 인식∙판단하도록 비전 알고리즘을 개발

AMR/자율주행 로봇 엔지니어

로봇이 스스로 경로를 판단하고 안전하게 이동할 수 있도록 자율주행 기술을 개발

로봇 시뮬레이션 엔지니어

가상 환경에서 로봇의 움직임과 동작을 테스트·검증하는 시뮬레이션 시스템을 개발

엣지 AI 엔지니어

AI 모델을 디바이스에 최적화해 실시간으로 동작하도록 개발·배포

로봇 운영·배포 엔지니어

로봇 시스템을 실제 현장에 설치·배포하고, 안정적으로 운영될 수 있도록 유지보수

소프트웨어 중심에서 물리적 세계로

피지컬 AI 경쟁은 이미 시작되었습니다

기업은 AI 로봇 시스템을 현장에 맞게 설계·검증·배포할 엔지니어를 필요로 합니다.

피지컬 AI
인재 확보전 시작

피지컬 AI
인재 확보전 시작

세계 최고 AI 인재 100명 중 한국은 단 1명

한국 AI 인재 유출은 세계 5번째로 심각한 수준

국내 AI·로봇 인재 기반은 아직 충분하지 않습니다.

주요 대기업의
Physical AI 경쟁 심화

주요 대기업의
Physical AI 경쟁 심화

삼성

시설·R&D 투자 110조원 - AI 반도체+첨단로봇 M&A

현대차

5년간 50.5조원 미래 신사업 투자 / 연 30,000대 휴머노이드 로봇 공장 투입 계획

학사 기반으로도 열려 있는
로봇 실무 직무

학사 기반으로도 열려 있는
로봇 실무 직무

현대모비스

로보틱스 시작개발 R&D

두산로보틱스

AI physical ai platform

에이로봇

로봇 기구설계 HW 엔지니어 채용

출처 : 삼성전자 「2026년 기업가치 제고 계획」, 현대차그룹 미래 투자 발표(2025.11), SCMP 글로벌 Top 100 AI 인재 분석

피지컬 AI, 기존 로봇과 무엇이 다를까?

정해진 동작을 수행하는 로봇에서, 스스로 인지하고 판단하는 로봇으로

정해진 동작을 수행하는 로봇에서,
스스로 인지하고 판단하는 로봇으

기존의 규칙 기반 제어를 넘어, AI 학습과 시뮬레이션, 실제 로봇 배포까지 연결하는 역량이 중요해지고 있습니다.

기존 규칙 기반 제어 로봇

작동 방식

사전 프로그래밍된 규칙 기반 동작

환경

정형·통제된 환경

센서 활용

단일 센서, 목적에 맞는 센서 입력 활용

AI 활용

목적 특화 모델 또는 제한적 AI 활용

개발 방식

로봇 동작과 제어 로직을 직접 구현

Physical AI 로봇

작동 방식

AI 학습 기반 자율 판단·행동

환경

비정형·실제 현장 환경

센서 활용

멀티모달 센서 융합 (LiDAR·카메라·IMU)

AI 활용

VLM·VLA·Foundation Model 활용

개발 방식

Sim-to-Real 기반 가상 학습 후 실제 배포

AI 학습부터 시뮬레이션, 로봇 배포까지

Physical AI 전 과정을
하나의 커리큘럼에 담았습니다

팀스파르타 X 엔비디아*마이크로소프트
파트너십 체결

글로벌 AI 기술력을 인정받은 팀스파르타가 설계한 한국형 AI-Native 교육기관,
KANT AI 학습 환경·기술 컨설팅·커리큘럼까지, 엔비디아·마이크로소프트에 자문을 받아 설계했습니다.

LLM 엔지니어로 성장하기 위한
6단계 실전 로드맵

Physical AI 로봇 엔지니어로 성장하기 위한 6단계 실전 로드맵

기초 학습부터 실무 프로젝트, 기업 검증과 취업지원까지 LLM 엔지니어에게 필요한 역량을 단계적으로 쌓아갑니다.

step.1
공통 AI 교육

Python 기반 데이터 및 AI 리터러시 등 모든 과정에 필요한 기초를 학습합니다.


Python 기반 데이터 및 AI 리터러시 등 모든 과정에 필요한 기초를 학습합니다.

step.2
직무 기초·심화 이론 학습

ROS2·SLAM·자율주행부터 VLM·Sim-to-Real·RobotOps까지 Physical AI 핵심 실무 역량을 단계적으로 학습합니다.

step.3
실무 프로젝트 4회

산업 현장 시나리오와 실제 데이터를 활용한 프로젝트를 진행합니다.

step.4
기업 연계형 AI 경진대회

실제 기업 문제를 기반으로 한 과제를 수행하며, AI 솔루션을 직접 도출하는 경험을 쌓습니다.

step.5
기업 초청 발표회

주요 기업 관계자 앞에서 프로젝트를 발표하고, 질의응답과 피드백을 통해 우수 프로젝트를 선정합니다.

주요 기업 관계자 앞에서 프로젝트를 발표하고,
질의응답과 피드백을 통해 우수 프로젝트를
선정합니다.

step.6
취업지원&인턴십 연계 기회

취업생 수 1위 내일배움캠프의 노하우로
이력서·포트폴리오·면접 준비부터 인턴십 연계까지 지원합니다.

취업생 수 1위 내일배움캠프의 노하우로
이력서·포트폴리오·면접 준비부터 인턴십
연계까지 지원합니다.

취업생 수 1위 내일배움캠프의
노하우로 이력서·포트폴리오·면접 준비부터 인턴십 연계까지
지원합니다.

KANT 수강생 한정 혜택

시뮬레이션에서 끝나지 않도록,
로봇 장비·GPU·AI 개발 도구를 지원합니다

실제 로봇 구현 실습 장비

  • 로봇 팔(FR3)

  • 3D Lidar

  • 3D 카메라 (RGB-D)

고사양 노트북 지원

  • RTX 5060 GPU

NVIDIA 클라우드 GPU 지원
NVIDIA 클라우드
GPU 지원

  • 성능 GPU 기반 프로젝트 환경 제공

로봇 시뮬레이션·AI 개발 환경 제공

  • Claude Code

  • Isaac Sim 기반 로봇 시뮬레이션 실습

서울대 AI 연구원(AIIS)의 자문을 받아 설계한

Physical AI 로봇 엔지니어 취업을 위한 실무 중심 커리큘럼

개념 학습에 그치지 않고, 직접 구현하고 운영하는 과정에서 실무 역량을 쌓습니다

Point 1

ROS2와 3D 좌표 변환으로 다지는 로봇 시스템 기본기

Point 2

비전 인지와 SLAM·Nav2로 구현하는 로봇 자율주행

Point 3

VLA·모방학습과 Sim-to-Real로 학습하는 로봇 AI

Point 4

디지털 트윈과 RobotOps로 완성하는 로봇 운영 시스템

전체 펼치기

Step 1

Python

ROS2

Ubuntu

3D 좌표 변환

Computer Vision

LLM/VLM/VLA

Physical AI 로봇 개발 기본기 완성 200h

로봇 시스템을 구현하기 위해 필요한 Python, ROS2, 좌표 변환, 컴퓨터 비전, AI 응용 기본기를 다집니다.

온보딩 & 학습 환경 세팅

  • 개강 OT 및 과정 운영 방식 안내

  • GitHub, 학습 도구, 협업 채널 세팅

개발 협업 & 생성형 AI 이해

  • Git 저장소 형상 관리, 브랜치, GitHub PR 기반 협업

  • 생성형 AI 활용과 AI 윤리 이해

로봇 시스템 & 개발 환경 이해

  • 임베디드, Edge AI, 클라우드 차이 이해

  • 로봇 SW 스택과 ROS2 워크스페이스 환경 구축

  • Ubuntu CLI, SSH, udev rules 기반 로봇 개발 환경 세팅

Python & ROS2 통신 모델

  • Python 자료구조, 객체지향 프로그래밍, NumPy 활용

  • ROS2 Topic, Service, Action, Parameter 통신 모델 이해

  • rclpy 노드 작성, colcon 워크스페이스, QoS, launch 파일 활용

선형대수 & 3D 좌표 변환

  • 벡터, 행렬 연산과 2D/3D 회전 행렬 이해

  • 동차 좌표 변환, 쿼터니언, 내적·외적 이해

  • NumPy 기반 좌표 변환 체인 작성

컴퓨터 비전 & 카메라 모델

  • OpenCV 응용 함수 활용

  • 핀홀 카메라 모델, 렌즈 왜곡 보정, 체커보드 캘리브레이션 이해

  • PnP 포즈 추정 기초 학습

AI/LLM 응용 베이스

  • LLM 동작 원리와 한계 이해

  • 프롬프팅 패턴과 JSON Schema 구조화 출력 학습

  • CNN 동작 원리, VLM·VLA 개념 이해

Step 2

Kinematics

ROS2

Vision AI

SLAM/Nav2

VLA

Sim-to-Real

로봇 인지·제어·자율주행 구현 336h

로봇팔 제어, 2D/3D 비전 인지, SLAM/Nav2 자율주행, VLA 기반 로봇 행동 설계와 Sim-to-Real 배포까지 실습합니다.

로봇 기구학 및 동역학

  • Forward Kinematics와 D-H 파라미터 이해

  • Inverse Kinematics의 해석적·수치적 풀이 학습

  • Jacobian, 특이점 탐지, 5차 다항식 궤적 계획

  • PID 제어기 튜닝과 동역학 기초 이해

AI 개발 환경 및 ROS2 미들웨어

  • ROS2 Topic, Service, Action, Parameter 심화 실습

  • 패키지 구조, 노드 인터페이스 설계, 서버-클라이언트 구현

  • DDS 미들웨어와 QoS 정책 이해, 멀티 노드 협업 패턴 확장

2D/3D 공간 인지 및 비전 AI

  • World, Camera, Image, Pixel 좌표계 변환 이해

  • OpenCV 기반 PnP 포즈 추정 실습

  • YOLO 기반 객체 검출 파이프라인과 ROS2 통합

  • Point Cloud 필터링·세그멘테이션, Depth Estimation 학습

  • RGBD 카메라 기반 6D Pose Estimation 진입 베이스 학습

SLAM 및 Nav2 자율주행

  • LiDAR 기반 2D SLAM과 Occupancy Grid Map 생성

  • AMCL, Particle Filter, Kalman/EKF 기반 Localization 이해

  • Nav2 스택, Behavior Tree, Lifecycle Node 구조 학습

  • Global Planner, Local Planner, Costmap 기반 주행 파이프라인 구현

  • 동적 장애물 회피와 주행 성능 지표 측정

Project 1

ROS2 기반 비전 연동 객체 추적

  • HSV 필터와 Contour 기반 객체 검출 파이프라인 구축

  • ROS2 perception node와 control node 연동 설계

  • 객체 중심 좌표 기반 로봇팔 또는 센서 헤드 추적 제어 구현

  • FPS, 추적 정확도, 오류 보정 및 ROS2 bag 기반 재현

LLM/VLM/VLA Robotics

  • LLM 기반 High-level Planning과 Code Generation 이해

  • 자연어 지시를 작업 단계로 분해하고 ROS2 액션 시퀀스로 변환

  • CoT, ReAct, Tool Use 기반 로봇 행동 플래너 설계

  • VLM 멀티모달 임베딩과 VLA 행동 토큰 결합 구조 이해

로봇 모방학습 및 정책 최적화

  • Teleoperation, Kinesthetic Teaching 기반 시연 데이터 수집

  • Behavior Cloning 기반 정책 학습

  • Diffusion Policy 기반 비정형 조작 학습 이해

  • Open X-Embodiment, RT-X 기반 전이학습 사례 이해

  • Success Rate와 Trajectory Smoothness 기반 정책 성능 검증

Sim-to-Real 및 가상 물리 시뮬레이션

  • Isaac Sim, Isaac Lab 기반 로봇 태스크 구성

  • USD Asset, Sensor 설정과 시뮬레이션 환경 구축

  • 도메인 랜덤화 기반 실환경 일반화 학습

  • Sim-to-Real Gap 분석과 보정 전략 학습

  • 시뮬레이션 학습 결과의 실제 로봇 배포 및 성능 검증

에지 컴퓨팅 및 실시간 배포

  • ONNXRuntime, TensorRT 기반 추론 최적화

  • FP16, INT8 양자화와 NVIDIA Jetson 환경 배포

  • P50/P99 지연 시간, 메모리, 전력 프로파일링

  • RT Linux, Priority Scheduling 기반 실시간 제어 이슈 대응

  • ROS2 노드와 추론·제어 루프 안정성 검증

Project 2

자율주행 기반 물류 이송 및 장애물 회피

  • Nav2 기반 물류 이송 시나리오 설계, 다중 Waypoint 기반 Pick-up·Drop-off 주행 구현

  • 라이다 클러스터링과 비전 융합 기반 동적 장애물 감지

  • Local Planner 조정, Re-planning, 안전 주행 데모 수행

  • 미션 성공률, 평균 소요시간, 재계획 횟수, 충돌 빈도 기반 결과 분석

Step 3

Multi-Robot

Pick-and-Place

Digital Twin

RobotOps

Isaac Sim

디지털 트윈 기반 로봇 운영 고도화 520h

다중 로봇 협업, 물류·공정 자동화, 디지털 트윈 대시보드, RobotOps 운영 체계를 결합해 실무형 로봇 시스템을 고도화합니다.

다중 로봇 조정 및 협업

  • Task Allocation과 부하 분산 전략 이해

  • 군집 주행, 편대 유지, 분리·합류 시나리오 실습

  • 로봇 간 통신(V2V)과 상태 공유 프로토콜 설계

  • 지표 기반 운영·복구, HITL, 감사로그 설계

  • 충돌 0건, 미션 처리량, 평균 대기시간 등 협업 KPI 관리

Project 3

물류/공정 자동화 시나리오 구현

  • 3D 비전 인지 기반 객체 검출

  • 로봇팔 Pick-and-Place 공정 정밀 제어

  • ROS2 환경에서 SLAM 기반 정밀 지도 작성

  • Nav 스택 기반 최적 경로 주행 및 장애물 회피 알고리즘 구현

디지털 트윈 기반 통합 대시보드

  • WebGL, Three.js 기반 3D 공장 레이아웃 시각화

  • 로봇 실시간 위치 매핑

  • 배터리, 모터 부하, 작업 효율 분석 대시보드 구축

  • 이상 징후 감지와 긴급 정지(E-Stop), 원격 제어 UI 설계

로봇 운영 최적화 (RobotOps)

  • 비용, 지연, 성공률, 실패 사유 기반 로봇 성능 평가

  • 관제 시스템 가용성 확보를 위한 멀티 시스템 안정화

  • 장애 복구 전략과 운영 지표 관리

  • HITL 승인 설계와 감사 로그 구축

Project 4

Digital Twin & AI 모델 학습 및 검증

  • Isaac Sim 기반 제조 공장 가상 시나리오 설계

  • 디지털 트윈 환경 구축

  • Behavior Cloning 또는 GAIL 기반 조작 태스크 모델 학습

  • 시뮬레이션 기반 모델 검증

  • Sim-to-Real Gap 분석과 보정 전략 도출

Step 4

기업 참여 AI 경진대회

기업 과제&피드백

취업지원

최종 발표

기업 실무 프로젝트로 완성하는 취업 포트폴리오 460h

기업 실무 과제를 통해 Physical AI 로봇 엔지니어의 역량을 검증하고 취업 포트폴리오로 완성합니다.

기업 연계 AI 경진대회

  • 기업 실제 데이터 기반 산업 문제 해결

  • 고밀도 몰입형 운영을 통해 기업 과제를 AI 기반으로 분석·설계·구현

기업 초청 발표회

  • 참여 기업 대상 프로젝트 최종 발표

  • 기업 피드백, 질의응답, 우수 프로젝트 선정

취업지원

  • 이력서·포트폴리오 정리 및 커리어 모듈 운영

  • 구직 활동 관리, 면접 대비, 실무 과제형 채용 대비

  • 기업 연계 프로그램 운영

수료식

  • 수료생 성과 공유, 우수 훈련생 시상

  • 취업 로드맵 안내 및 네트워킹 제공

전체 펼치기

Step 1

Python

ROS2

Ubuntu

3D 좌표 변환

Computer Vision

LLM/VLM/VLA

Physical AI 로봇 개발 기본기 완성 200h

로봇 시스템을 구현하기 위해 필요한 Python, ROS2, 좌표 변환, 컴퓨터 비전, AI 응용 기본기를 다집니다.

온보딩 & 학습 환경 세팅

  • 개강 OT 및 과정 운영 방식 안내

  • GitHub, 학습 도구, 협업 채널 세팅

개발 협업 & 생성형 AI 이해

  • Git 저장소 형상 관리, 브랜치, GitHub PR 기반 협업

  • 생성형 AI 활용과 AI 윤리 이해

로봇 시스템 & 개발 환경 이해

  • 임베디드, Edge AI, 클라우드 차이 이해

  • 로봇 SW 스택과 ROS2 워크스페이스 환경 구축

  • Ubuntu CLI, SSH, udev rules 기반 로봇 개발 환경 세팅

Python & ROS2 통신 모델

  • Python 자료구조, 객체지향 프로그래밍, NumPy 활용

  • ROS2 Topic, Service, Action, Parameter 통신 모델 이해

  • rclpy 노드 작성, colcon 워크스페이스, QoS, launch 파일 활용

선형대수 & 3D 좌표 변환

  • 벡터, 행렬 연산과 2D/3D 회전 행렬 이해

  • 동차 좌표 변환, 쿼터니언, 내적·외적 이해

  • NumPy 기반 좌표 변환 체인 작성

컴퓨터 비전 & 카메라 모델

  • OpenCV 응용 함수 활용

  • 핀홀 카메라 모델, 렌즈 왜곡 보정, 체커보드 캘리브레이션 이해

  • PnP 포즈 추정 기초 학습

AI/LLM 응용 베이스

  • LLM 동작 원리와 한계 이해

  • 프롬프팅 패턴과 JSON Schema 구조화 출력 학습

  • CNN 동작 원리, VLM·VLA 개념 이해

Step 2

Kinematics

ROS2

Vision AI

SLAM/Nav2

VLA

Sim-to-Real

로봇 인지·제어·자율주행 구현 336h

로봇팔 제어, 2D/3D 비전 인지, SLAM/Nav2 자율주행, VLA 기반 로봇 행동 설계와 Sim-to-Real 배포까지 실습합니다.

로봇 기구학 및 동역학

  • Forward Kinematics와 D-H 파라미터 이해

  • Inverse Kinematics의 해석적·수치적 풀이 학습

  • Jacobian, 특이점 탐지, 5차 다항식 궤적 계획

  • PID 제어기 튜닝과 동역학 기초 이해

AI 개발 환경 및 ROS2 미들웨어

  • ROS2 Topic, Service, Action, Parameter 심화 실습

  • 패키지 구조, 노드 인터페이스 설계, 서버-클라이언트 구현

  • DDS 미들웨어와 QoS 정책 이해, 멀티 노드 협업 패턴 확장

2D/3D 공간 인지 및 비전 AI

  • World, Camera, Image, Pixel 좌표계 변환 이해

  • OpenCV 기반 PnP 포즈 추정 실습

  • YOLO 기반 객체 검출 파이프라인과 ROS2 통합

  • Point Cloud 필터링·세그멘테이션, Depth Estimation 학습

  • RGBD 카메라 기반 6D Pose Estimation 진입 베이스 학습

SLAM 및 Nav2 자율주행

  • LiDAR 기반 2D SLAM과 Occupancy Grid Map 생성

  • AMCL, Particle Filter, Kalman/EKF 기반 Localization 이해

  • Nav2 스택, Behavior Tree, Lifecycle Node 구조 학습

  • Global Planner, Local Planner, Costmap 기반 주행 파이프라인 구현

  • 동적 장애물 회피와 주행 성능 지표 측정

Project 1

ROS2 기반 비전 연동 객체 추적

  • HSV 필터와 Contour 기반 객체 검출 파이프라인 구축

  • ROS2 perception node와 control node 연동 설계

  • 객체 중심 좌표 기반 로봇팔 또는 센서 헤드 추적 제어 구현

  • FPS, 추적 정확도, 오류 보정 및 ROS2 bag 기반 재현

LLM/VLM/VLA Robotics

  • LLM 기반 High-level Planning과 Code Generation 이해

  • 자연어 지시를 작업 단계로 분해하고 ROS2 액션 시퀀스로 변환

  • CoT, ReAct, Tool Use 기반 로봇 행동 플래너 설계

  • VLM 멀티모달 임베딩과 VLA 행동 토큰 결합 구조 이해

로봇 모방학습 및 정책 최적화

  • Teleoperation, Kinesthetic Teaching 기반 시연 데이터 수집

  • Behavior Cloning 기반 정책 학습

  • Diffusion Policy 기반 비정형 조작 학습 이해

  • Open X-Embodiment, RT-X 기반 전이학습 사례 이해

  • Success Rate와 Trajectory Smoothness 기반 정책 성능 검증

Sim-to-Real 및 가상 물리 시뮬레이션

  • Isaac Sim, Isaac Lab 기반 로봇 태스크 구성

  • USD Asset, Sensor 설정과 시뮬레이션 환경 구축

  • 도메인 랜덤화 기반 실환경 일반화 학습

  • Sim-to-Real Gap 분석과 보정 전략 학습

  • 시뮬레이션 학습 결과의 실제 로봇 배포 및 성능 검증

에지 컴퓨팅 및 실시간 배포

  • ONNXRuntime, TensorRT 기반 추론 최적화

  • FP16, INT8 양자화와 NVIDIA Jetson 환경 배포

  • P50/P99 지연 시간, 메모리, 전력 프로파일링

  • RT Linux, Priority Scheduling 기반 실시간 제어 이슈 대응

  • ROS2 노드와 추론·제어 루프 안정성 검증

Project 2

자율주행 기반 물류 이송 및 장애물 회피

  • Nav2 기반 물류 이송 시나리오 설계, 다중 Waypoint 기반 Pick-up·Drop-off 주행 구현

  • 라이다 클러스터링과 비전 융합 기반 동적 장애물 감지

  • Local Planner 조정, Re-planning, 안전 주행 데모 수행

  • 미션 성공률, 평균 소요시간, 재계획 횟수, 충돌 빈도 기반 결과 분석

Step 3

Multi-Robot

Pick-and-Place

Digital Twin

RobotOps

Isaac Sim

디지털 트윈 기반 로봇 운영 고도화 520h

다중 로봇 협업, 물류·공정 자동화, 디지털 트윈 대시보드, RobotOps 운영 체계를 결합해 실무형 로봇 시스템을 고도화합니다.

다중 로봇 조정 및 협업

  • Task Allocation과 부하 분산 전략 이해

  • 군집 주행, 편대 유지, 분리·합류 시나리오 실습

  • 로봇 간 통신(V2V)과 상태 공유 프로토콜 설계

  • 지표 기반 운영·복구, HITL, 감사로그 설계

  • 충돌 0건, 미션 처리량, 평균 대기시간 등 협업 KPI 관리

Project 3

물류/공정 자동화 시나리오 구현

  • 3D 비전 인지 기반 객체 검출

  • 로봇팔 Pick-and-Place 공정 정밀 제어

  • ROS2 환경에서 SLAM 기반 정밀 지도 작성

  • Nav 스택 기반 최적 경로 주행 및 장애물 회피 알고리즘 구현

디지털 트윈 기반 통합 대시보드

  • WebGL, Three.js 기반 3D 공장 레이아웃 시각화

  • 로봇 실시간 위치 매핑

  • 배터리, 모터 부하, 작업 효율 분석 대시보드 구축

  • 이상 징후 감지와 긴급 정지(E-Stop), 원격 제어 UI 설계

로봇 운영 최적화 (RobotOps)

  • 비용, 지연, 성공률, 실패 사유 기반 로봇 성능 평가

  • 관제 시스템 가용성 확보를 위한 멀티 시스템 안정화

  • 장애 복구 전략과 운영 지표 관리

  • HITL 승인 설계와 감사 로그 구축

Project 4

Digital Twin & AI 모델 학습 및 검증

  • Isaac Sim 기반 제조 공장 가상 시나리오 설계

  • 디지털 트윈 환경 구축

  • Behavior Cloning 또는 GAIL 기반 조작 태스크 모델 학습

  • 시뮬레이션 기반 모델 검증

  • Sim-to-Real Gap 분석과 보정 전략 도출

Step 4

기업 참여 AI 경진대회

기업 과제&피드백

취업지원

최종 발표

기업 실무 프로젝트로 완성하는 취업 포트폴리오 460h

기업 실무 과제를 통해 Physical AI 로봇 엔지니어의 역량을 검증하고 취업 포트폴리오로 완성합니다.

기업 연계 AI 경진대회

  • 기업 실제 데이터 기반 산업 문제 해결

  • 고밀도 몰입형 운영을 통해 기업 과제를 AI 기반으로 분석·설계·구현

기업 초청 발표회

  • 참여 기업 대상 프로젝트 최종 발표

  • 기업 피드백, 질의응답, 우수 프로젝트 선정

취업지원

  • 이력서·포트폴리오 정리 및 커리어 모듈 운영

  • 구직 활동 관리, 면접 대비, 실무 과제형 채용 대비

  • 기업 연계 프로그램 운영

수료식

  • 수료생 성과 공유, 우수 훈련생 시상

  • 취업 로드맵 안내 및 네트워킹 제공

현직 튜터가 상주하며 학습 중 막히는 문제를 실시간으로 해결할 수 있도록 돕습니다.

이론만 배우고 끝나지 않도록

로봇 제어부터 Digital Twin 검증까지, 4번의 단계별 실무 프로젝트

5번의 실무 프로젝트로
완성하는 포트폴리오

학습한 기술을 실제 로봇 시스템에 적용하며, 취업 포트폴리오로 이어지는 프로젝트 경험을 쌓습니다.

학습한 기술을 실제 서비스 형태로 구현하며,
취업 포트폴리오로 이어지는 프로젝트 경험을 쌓습니다.

Point 1

ROS2·비전 기반
로봇 제어 구현 역량

Point 2

SLAM·Nav2 기반
자율주행 로봇 운용 역량

Point 3

Digital Twin·Sim2Real 기반
로봇 AI 검증 역량

Project 1

Project 1

팀 프로젝트

ROS2 기반 비전 연동 객체 추적 프로젝트

HSV 필터와 Contour 기반 객체 검출 파이프라인을 구축하고, ROS2 기반 perception node와 control node를 연동해 객체 추적 제어 시스템을 구현합니다.

주요 활동

  • HSV 필터·Contour 기반 객체 검출 파이프라인 구축

  • ROS2 perception node와 control node 토픽/액션 연동 설계

  • 객체 중심 좌표 기반 로봇팔 또는 센서 헤드 추적 제어 구현

  • FPS·추적 정확도 기반 제어 루프 성능 확인

  • ROS2 bag 기반 데이터 수집 및 시연 재현

기술 스택

ROS2

OpenCV

Object

Tracking

ROS2 Bag

Project 2
Project 3
Project 4
Project 1
Project 2
Project 3
Project 4

Project 1

팀 프로젝트

ROS2 기반 비전 연동 객체 추적 프로젝트

HSV 필터와 Contour 기반 객체 검출 파이프라인을 구축하고, ROS2 기반 perception node와 control node를 연동해 객체 추적 제어 시스템을 구현합니다.

주요 활동

  • HSV 필터·Contour 기반 객체 검출 파이프라인 구축

  • ROS2 perception node와 control node 토픽/액션 연동 설계

  • 객체 중심 좌표 기반 로봇팔 또는 센서 헤드 추적 제어 구현

  • FPS·추적 정확도 기반 제어 루프 성능 확인

  • ROS2 bag 기반 데이터 수집 및 시연 재현

기술 스택

ROS2

OpenCV

Object Tracking

ROS2 Bag

지금까지 배운 역량을 실제 기업 과제로 검증합니다

기업 연계 AI 경진대회

기업의 실제 문제와 현장 데이터를 기반으로 AI 솔루션을 설계하고,
현직 멘토와 기업 피드백을 반영해 결과물의 완성도를 높입니다.

기업의 실제 문제와 현장 데이터를 기반으로
AI 솔루션을 설계하고, 현직 멘토와 기업 피드백을
반영해 결과물의 완성도를 높입니다.

기업 과제 배정

실제 기업의 문제를 기반으로 한 과제를 배정받습니다.

기업 과제 집중 수행

고밀도 몰입형 운영을 통해 기업 과제를 AI 기반으로 분석·설계·구현합니다.

현직 멘토 밀착 피드백

프로젝트 과정에서 막히는 지점을 현직 멘토의 피드백으로 해결하며 완성도를 높입니다.

기업초청 발표회

완성한 프로젝트를 실제 기업 담당자 앞에서 발표하고,
질의응답과 피드백을 통해 실무 커뮤니케이션 역량을 기릅니다.

우수 프로젝트 선정 및 참여 기업 채용 연계 기회

우수 프로젝트는 별도 선정되며, 참여 기업과 채용 연계 프로그램으로 이어질 수 있습니다.

칸트의 끝은 수료가 아니라 취업

서류부터 면접까지, 취업될 때까지
현직자가 무제한으로 도와드립니다

개인별 강점/약점 리포트

수료생 개개인의 강점과 약점을 진단해
나만의 서류 방향성을 설계합니다.

수료생 개개인의 강점과 약점을 진단해
나만의 서류 방향성을 설계합니다.

이력서/포트폴리오 코칭

주 4회 정기 멘토링을 통해 현직 튜터가 채용 포인트와 실제 합격 사례를 반영해, 나만의 포트폴리오를 설계하고 부족한 부분은 함께 개선합니다.

1:1 실전 면접 훈련

이력서 기반의 예상 질문 리스트와 모의 면접을 통해 실제 면접을 대비합니다.

이력서 기반의 예상 질문 리스트와 모의 면접을 통해 실제 면접을 대비합니다.

우수 수료생 인턴십 연계 기회

담당 매니저가 컨설팅을 통해 수료생의 역량을 진단하고, 적합한 협력사와 연결합니다.

100% 오프라인 실시간 교육 코스

혼자가 아닌 동료와 함께,
끝까지 완주하는 학습 환경

궁금한 내용을 바로 묻고 피드백 받을 수 있는
오프라인 환경에서 실무 역량을 키워보세요.

한국형 AI 전문가 교육 by Teamsparta

KANT가 취업까지
자신 있게 말할 수 있는 이유

한국형 AI 전문가 교육 by Teamsparta

KANT가 취업까지
자신 있게 말할 수 있는 이유

국내 대기업 대상 AI 교육 1000회 이상

대기업 현직자가 선택한 팀스파르타의
AI 전문 교육

대기업 현직자 누적 수강생

20,000명

대기업 임직원 교육 만족도

4.6

/

5.0점

주요 훈련 대기업

수천 명이 선택한

취업 1위 부트캠프,
내일배움캠프 운영 노하우

2025년

취업생 수 1위

*25~26년 12월 기준

9,500명

수강생 수 1위

*최근 3년 국비 부트캠프 기준

최근 3개월 간 취업률

10명 중 7.5명

*25년 10월~12월 기준

880여 개의 협력사

인턴 연계 프로그램

*맞춤형 인턴십 연계

1위 부트캠프의 성과,
수료생의 취업으로 보여드립니다

100% 국비지원

비용 부담 없이 시작하세요!

27,515,400원

수강료 0원

국비지원 (KDT)

*정원 모집 완료 시, 조기 마감 될 수 있습니다.

매월 훈련장려금 최대 40만 원 지급

*개인마다 지급액이 상이할 수 있습니다.

함께 지원 EVENT

혼자가 아닌 동료와 함께, 취업까지 끝까지 완주하세요

혼자가 아닌 동료와 함께,
취업까지 끝까지 완주하세요

친구·동료와 함께 지원하면 아래와 같은 혜택을 드립니다

지원 혜택

지원 전 맞춤형 그룹 상담

함께 지원한 분들이 과정과 지원 절차를
한 번에 이해할 수 있도록 맞춤형 그룹 상담을 진행합니다.

최대 3인 같은 반 배정 지원

함께 지원한 동료는 최대 3인까지 같은 반 배정을 지원합니다.

신청 방법

  1. 친구·동료와 함께 AI Physiacl 코스를 각자 먼저 지원해 주세요

  1. 지원 완료 후, 대표자 1인이 [함께 지원 구글폼]을 작성해 주세요

  1. 제출 완료 후, 그룹 상담 일정과 함께 지원 혜택 안내를 문자로 받아보세요.

함께 지원 구글 폼 작성하기

함께 지원 구글 폼

친구에게 공유하기

*역량 진단 및 입과 테스트 결과에 따라 일정 수준 이상 차이가 발생할 경우 동일 분반 배정이 어려울 수 있습니다.
*공간 제약으로 인해 정원이 조기 마감될 수 있으며, 신청은 선착순으로 진행됩니다.

Physical AI 로봇 엔지니어 코스

모집 개요

모집 마감

26.07.27(월) 23:59까지

교육 기간

26.00.00(월) ~ 27.05.07(금)

교육 시간

오전 9시~오후 6시 (월~금, 9시간)
∙ 타 교육 및 직장 병행 불가

교육 방법

오프라인 100% / 서울 구로구 내 전용 학습 공간, 최대 600명 수용

지원 자격

내일배움카드 발급이 가능한 분
∙ 최근 5년 이내 KDT 참여 이력 있는 경우 불가
∙ 해외 거주 중인 경우 불가

지원 절차

서류 지원
서류 지원

지원 동기를
간단히 적어주세요

지원 동기를 간단히 적어주세요

결과 발표
결과 발표
고용24 수강신청
고용24 수강신청

담당 매니저가
수강 신청 방법을 안내드립니다

담당 매니저가
수강 신청 방법을 안내드립니다

입과 테스트 실시
입과 테스트 실시

슬랙 커 뮤니티 입장 후, 신청자에 한해 입과
테스트 준비 스터디에 참여할 수 있습니다.

슬랙 커 뮤니티 입장 후,
신청자에 한해 입과 테스트 준비 스터디에 참여할 수 있습니다.

입과 테스트 합격
입과 테스트 합격

입과 테스트는 최대 5회까지 응시할 수 있으며, 5회 모두 불합격 시 KANT 수강이 어렵습니다.

입과 테스트는 최대 5회까지
응시할 수 있으며, 5회 모두 불합격 시 KANT 수강이 어렵습니다.

최종 합류
최종 합류

최종 합격 후 베이스캠프를 시작합니다.

최종 합격 후 베이스캠프를 시작합니다.

자주 묻는 질문

신청/결제

정말 0원인가요?

물론입니다. KANT l AI 전문가 양성 과정은 고용노동부가 함께하는 100% 전액 국비지원 훈련 과정으로 개인부담 비용은 전혀 없습니다. 단, 개강 7일 전까지 내일배움카드를 반드시 소지해주세요!

신청/결제

매월 훈련장려금도 받을 수 있나요?

고용노동부 정책에 따라 매월 40만원 상당의 훈련장려금을 받을 수 있습니다. (*지급액은 개인별로 상이함) 훈련장려금 신청 기간이 되면 매니저가 필요한 절차를 함께 진행해드립니다. 실업 급여 수령 여부 등, 간혹 지급이 제한되거나 개인별로 금액이 상이할 수 있으므로 자세한 문의는 관할 고용센터 또는 고용24(HRD-Net)을 통해 문의해주세요.

신청/결제

지원 자격은 어떻게 되나요?

KANT는 ‘국민내일배움카드‘를 발급받을 수 있는 국민이면 지원할 수 있습니다. 아래 세부 요건을 확인해주세요. [자격 요건 요약] • 내일배움카드 소지자 또는 발급대상자 • 내일배움카드 지원금 잔액이 1원 이상 남은자 • 국내 거주중이며, 훈련 기간 내 해외 거주 계획이 없는 자 • 최근 5년 이내의 K-Digital Training(KDT) 참여 이력이 없는 자 *K-디지털 기초역량 훈련(KDC) 이력과 무관하며, 중복하여 수강할 수 있습니다. *단, KDT 참여 이력이 있는 경우, 재참여 시 전액 자부담입니다. 지원 자격에 대해 보다 자세하게 문의하고 싶으시다면 1:1 채팅상담 문의를 이용해 주세요.

신청/결제

어느 정도 실력을 갖춰야 참여할 수 있나요?

- Python으로 변수, 조건문, 반복문을 활용한 코드를 작성해본 경험이 있는 분 - SQL로 데이터를 조회하고 집계해본 경험이 있는 분 (SELECT, WHERE, GROUP BY…) - ADsP 또는 SQLD 자격증을 보유하신 분

교육/과정

코스 수강을 위해 노트북 및 장비 지원이 가능한가요?

RTX 5060이 탑재된 최신 노트북 및 학습에 필요한 장비 대여가 가능합니다. 정부 자산으로 구매한 기기인 만큼 파손 또는 분실 시, 계약에 따라 법적 책임을 질 수 있습니다. 대여 진행시 반납 보증을 위한 계약서 작성이 필수입니다. (필요에 따라 보증인 확인을 위해 유선 연락을 드립니다.) 노트북 대여는 장비가 없는 인원을 우선으로 진행되며, 장비를 소유하고 있더라도 학습 진행 시 필요하다고 판단되면 대여가 가능합니다.

교육/과정

취업 지원 시스템이 있나요?

KANT 수료생이라면 취업지원 혜택을 무제한으로 누리실 수 있습니다. 우수 수료생 인턴십 연계 기회 — 우수 수료생에게 협력사 인턴십 연계 혜택을 제공합니다. • 880개 이상의 협력사 — AI 전문 기업을 포함한 다수의 파트너사와 함께합니다. 협력사 지원시 가산점 부여, 우선 검토 등의 취업 혜택이 있습니다. • 스파르타 커리어 플랫폼 — 자체 취업지원 플랫폼을 통해 취업의 전 과정을 체계적으로 관리합니다. • 무제한 1:1 취업 지원 — 전문 튜터가 이력서·자소서 첨삭부터 면접 대비까지 함께합니다. 취업할 때까지 무제한으로 언제든 지원받으실 수 있습니다.

교육/과정

대학원과 어떻게 다른가요?

KANT는 ‘AI직군 취업’에 중점을 두고 운영되는 과정입니다. 대학원과 비교해 다음과 같은 특징이 있습니다. 부담 없는 학습 기간 • KANT는 석·박사 대비 짧은 기간으로 운영됩니다. 실무에 꼭 필요한 이론을 깊이 있게 이해하고, 프로젝트를 통해 응용하기까지 충분한 시간입니다. • 부담 없는 학습 비용 • KANT는 정부 지원이 가능한 과정입니다. 전액 무료로 진행되며, 매월 40만원 상당의 훈련지원금을 추가로 받으실 수 있습니다. (*지급액은 개인별로 상이함) • 실제 비즈니스 데이터로 배우는 실무 • 수강생들은 협력사의 비즈니스 데이터를 활용해 학습할 수 있습니다. 더미 데이터가 아닌 실무와 동일한 데이터로 머신러닝을 진행하기 때문에, 실제로 발생할 수 있는 케이스에 대응하며 효율적으로 AI 경험을 쌓아갑니다. • 학습 의지와 가능성이 있는 누구나 참여 • 전공·학점·스펙을 보지 않습니다. 커리큘럼을 따라올 수 있는 정도의 전공 지식과 학습 의지가 있다면 충분합니다. 부족한 부분은 베이스캠프와 수준별 분반 학습, 그리고 전문 튜터진의 밀착 관리를 통해 AI 실무자로서 필요한 수준까지 채워드립니다. • 확실한 취업 지원 • 우수 수료생 인턴십 연계 혜택을 제공합니다. 이후 취업할 때까지 1:1 밀착 관리를 지원합니다. 빠르고 효율적인 취업을 목표로 하는 분께 적합한 과정입니다.

교육/과정

훈련과정탐색표가 필요해요.

국가취업지원제도 등의 과정 참여를 위해 훈련과정탐색표가 필요하다면 아래 버튼을 클릭해 주세요.

신청/결제

정말 0원인가요?

물론입니다. KANT l AI 전문가 양성 과정은 고용노동부가 함께하는 100% 전액 국비지원 훈련 과정으로 개인부담 비용은 전혀 없습니다. 단, 개강 7일 전까지 내일배움카드를 반드시 소지해주세요!

신청/결제

매월 훈련장려금도 받을 수 있나요?

고용노동부 정책에 따라 매월 40만원 상당의 훈련장려금을 받을 수 있습니다. (*지급액은 개인별로 상이함) 훈련장려금 신청 기간이 되면 매니저가 필요한 절차를 함께 진행해드립니다. 실업 급여 수령 여부 등, 간혹 지급이 제한되거나 개인별로 금액이 상이할 수 있으므로 자세한 문의는 관할 고용센터 또는 고용24(HRD-Net)을 통해 문의해주세요.

신청/결제

지원 자격은 어떻게 되나요?

KANT는 ‘국민내일배움카드‘를 발급받을 수 있는 국민이면 지원할 수 있습니다. 아래 세부 요건을 확인해주세요. [자격 요건 요약] • 내일배움카드 소지자 또는 발급대상자 • 내일배움카드 지원금 잔액이 1원 이상 남은자 • 국내 거주중이며, 훈련 기간 내 해외 거주 계획이 없는 자 • 최근 5년 이내의 K-Digital Training(KDT) 참여 이력이 없는 자 *K-디지털 기초역량 훈련(KDC) 이력과 무관하며, 중복하여 수강할 수 있습니다. *단, KDT 참여 이력이 있는 경우, 재참여 시 전액 자부담입니다. 지원 자격에 대해 보다 자세하게 문의하고 싶으시다면 1:1 채팅상담 문의를 이용해 주세요.

신청/결제

어느 정도 실력을 갖춰야 참여할 수 있나요?

- Python으로 변수, 조건문, 반복문을 활용한 코드를 작성해본 경험이 있는 분 - SQL로 데이터를 조회하고 집계해본 경험이 있는 분 (SELECT, WHERE, GROUP BY…) - ADsP 또는 SQLD 자격증을 보유하신 분

교육/과정

코스 수강을 위해 노트북 및 장비 지원이 가능한가요?

RTX 5060이 탑재된 최신 노트북 및 학습에 필요한 장비 대여가 가능합니다. 정부 자산으로 구매한 기기인 만큼 파손 또는 분실 시, 계약에 따라 법적 책임을 질 수 있습니다. 대여 진행시 반납 보증을 위한 계약서 작성이 필수입니다. (필요에 따라 보증인 확인을 위해 유선 연락을 드립니다.) 노트북 대여는 장비가 없는 인원을 우선으로 진행되며, 장비를 소유하고 있더라도 학습 진행 시 필요하다고 판단되면 대여가 가능합니다.

교육/과정

취업 지원 시스템이 있나요?

KANT 수료생이라면 취업지원 혜택을 무제한으로 누리실 수 있습니다. 우수 수료생 인턴십 연계 기회 — 우수 수료생에게 협력사 인턴십 연계 혜택을 제공합니다. • 880개 이상의 협력사 — AI 전문 기업을 포함한 다수의 파트너사와 함께합니다. 협력사 지원시 가산점 부여, 우선 검토 등의 취업 혜택이 있습니다. • 스파르타 커리어 플랫폼 — 자체 취업지원 플랫폼을 통해 취업의 전 과정을 체계적으로 관리합니다. • 무제한 1:1 취업 지원 — 전문 튜터가 이력서·자소서 첨삭부터 면접 대비까지 함께합니다. 취업할 때까지 무제한으로 언제든 지원받으실 수 있습니다.

교육/과정

대학원과 어떻게 다른가요?

KANT는 ‘AI직군 취업’에 중점을 두고 운영되는 과정입니다. 대학원과 비교해 다음과 같은 특징이 있습니다. 부담 없는 학습 기간 • KANT는 석·박사 대비 짧은 기간으로 운영됩니다. 실무에 꼭 필요한 이론을 깊이 있게 이해하고, 프로젝트를 통해 응용하기까지 충분한 시간입니다. • 부담 없는 학습 비용 • KANT는 정부 지원이 가능한 과정입니다. 전액 무료로 진행되며, 매월 40만원 상당의 훈련지원금을 추가로 받으실 수 있습니다. (*지급액은 개인별로 상이함) • 실제 비즈니스 데이터로 배우는 실무 • 수강생들은 협력사의 비즈니스 데이터를 활용해 학습할 수 있습니다. 더미 데이터가 아닌 실무와 동일한 데이터로 머신러닝을 진행하기 때문에, 실제로 발생할 수 있는 케이스에 대응하며 효율적으로 AI 경험을 쌓아갑니다. • 학습 의지와 가능성이 있는 누구나 참여 • 전공·학점·스펙을 보지 않습니다. 커리큘럼을 따라올 수 있는 정도의 전공 지식과 학습 의지가 있다면 충분합니다. 부족한 부분은 베이스캠프와 수준별 분반 학습, 그리고 전문 튜터진의 밀착 관리를 통해 AI 실무자로서 필요한 수준까지 채워드립니다. • 확실한 취업 지원 • 우수 수료생 인턴십 연계 혜택을 제공합니다. 이후 취업할 때까지 1:1 밀착 관리를 지원합니다. 빠르고 효율적인 취업을 목표로 하는 분께 적합한 과정입니다.

교육/과정

훈련과정탐색표가 필요해요.

국가취업지원제도 등의 과정 참여를 위해 훈련과정탐색표가 필요하다면 아래 버튼을 클릭해 주세요.

본 사업은 고용노동부 AI캠퍼스 사업이며, 기관 사정에 따라 훈련의 변동성이 있습니다.
아직 궁금증이 풀리지 않았다면 ?

1:1 채팅 문의하기

Korea AI Native Technologists

Korea AI Native Technologists

AI시대, 인간의 가능성을 새로 정의합니다.

100% 국비지원

100% 국비지원

Sim-to-Real 실전 경험으로 경쟁력 확보

Sim-to-Real 실전 경험으로
경쟁력 확보