워크숍·자료¶

owner: Youngjin · updated: 2026-09 · volatility: 중간

L0 TL;DR: 상시 열람할 수 있는 공개 워크숍·구현 가이드·샘플을 한 곳에 모았다. 마지막 확인: 2026-09-19. 자료 제목에서 원문으로 이동하고, 관련 필러에서 아키텍처 배경을 확인한다.

워크숍 완료 시간과 비용은 선택 모듈·계정 준비·GPU 가용성에 따라 달라진다. 시작 전 원문의 Prerequisites·Cleanup, 계정 권한과 모델 사용 조건을 확인한다. 이 목록은 원문 열람 확인이며 실습 전체 재실행 기록은 아니다.

목적별로 고르기¶

하고 싶은 일	자료	관련 필러
시뮬레이션 학습 입문	NVIDIA Isaac Lab on AWS	P3
한국어로 RL부터 VLA¹까지	Physical AI E2E 워크숍	P2
에이전트 구성요소 입문	Getting Started with Amazon Bedrock AgentCore	P5
AgentCore 심화·적용	Diving Deep with Amazon Bedrock AgentCore	P5
π0 학습 구성·평가 읽기	π0 파인튜닝 on SageMaker HyperPod EKS	P2
3D 자산·센서·예측 연결	OpenUSD 산업용 디지털 트윈 샘플	P3
로봇 없이 시뮬레이션 결과 보기	VLA Simulator on AWS	P4
실로봇 시연 데이터 수집	LeRobot 데이터 수집 on Greengrass	P1

NVIDIA Isaac Lab on AWS¶

NVIDIA Isaac Lab on AWS · AWS 공식 워크숍 · English

내용: EC2에서 Isaac Lab 실행 → AWS Batch 확장 → Isaac Sim에서 모델 확인 → 정리.

시작 전 확인: AWS 계정·권한, 컨테이너 기초, GPU 할당량을 준비한다. 실습은 시뮬레이션 기준이다.

관련 필러: P3.

Physical AI E2E 워크숍¶

Physical AI E2E 워크숍 · 커뮤니티 제작 가이드 · 한국어

내용: Isaac Lab RL, GR00T VLA, Batch·SageMaker, 시뮬레이션 평가를 모듈별로 실습한다.

시작 전 확인: CDK·Docker·GPU 환경과 모델 접근 권한을 확인한다. 첫 실행은 필요한 트랙부터 선택한다.

관련 필러: P2.

Getting Started with Amazon Bedrock AgentCore¶

Getting Started with Amazon Bedrock AgentCore · AWS 공식 워크숍 · English

내용: 에이전트 프로토타입, Memory, Gateway, 관측·평가, Policy 등을 순서대로 살펴본다.

시작 전 확인: AWS 계정과 사용할 모델·서비스 권한을 확인한다. 로봇 연결은 별도 통합이 필요하다.

관련 필러: P5.

Diving Deep with Amazon Bedrock AgentCore¶

Diving Deep with Amazon Bedrock AgentCore · AWS 공식 워크숍 · English

내용: Feature Deep Dive 또는 Build with Skills 트랙에서 기능 조합과 보안·관측을 학습한다.

시작 전 확인: 공식 안내는 Getting Started 선행 학습을 요구한다. 개발 환경은 원문의 Prerequisites를 따른다.

관련 필러: P5.

π0 파인튜닝 on SageMaker HyperPod EKS¶

π0 파인튜닝 on SageMaker HyperPod EKS · AWS 구현 글 · English

내용: HyperPod EKS에서 데이터·학습·평가·정리를 연결하는 새 가이드. 2026-09-10 발행.

시작 전 확인: 고급 구성. 본문은 공개되지만 본문의 코드 링크(awsome-distributed-ai/…/3.test_cases/pytorch/pi0-lerobot)는 404다 — 해당 코드가 main에 병합되지 않고 미병합 PR #1174에 머물러 있다(2026-10-14 확인, PR 최종 갱신 2026-07-30). 병합 전 코드는 검토되지 않은 상태이므로 읽기 자료로 사용한다.

관련 필러: P2.

OpenUSD 산업용 디지털 트윈 샘플¶

OpenUSD 산업용 디지털 트윈 샘플 · aws-samples · English

내용: L1 정적 장면 → L2 센서 오버레이 → L3 예측 → L4 재보정. 로컬 실행과 AWS 배포 경로를 제공한다.

시작 전 확인: Python·Node.js·Docker 등 원문 준비 사항을 따른다. README 복제 예시의 내부 주소 대신 여기 연결한 공개 GitHub 주소를 사용한다.

관련 필러: P3.

VLA Simulator on AWS¶

VLA Simulator on AWS · aws-samples · English

내용: 여러 VLA와 시뮬레이션 조합을 실행하고 영상·요약 결과를 S3로 모으는 샘플이다.

시작 전 확인: CDK·GPU 할당량·모델별 라이선스를 확인한다. 소규모 데모 성공률을 고객 배포 성능으로 인용하지 않는다.

관련 필러: P4.

LeRobot 데이터 수집 on Greengrass¶

LeRobot 데이터 수집 on Greengrass · aws-samples · English/한국어

내용: SO-ARM101 리더/팔로워·카메라의 데이터를 LeRobot 형식으로 기록하고 S3에 업로드한다.

시작 전 확인: 실로봇·카메라·Greengrass 장치가 필요하다. README는 교육·데모용으로 명시하며 바로 프로덕션에 사용하는 자료가 아니다.

관련 필러: P1.

자료 갱신¶

신규 자료는 제공자·언어·목적·준비 조건·관련 필러·확인일을 기록한다. 링크가 열리는 것과 실습이 현재 환경에서 재현되는 것은 별도로 확인한다. 신규 발표는 새 소식, 검증 대기 기술은 Radar에 연결한다.

VLA (Vision-Language-Action) — 영상과 언어 지시를 입력받아 로봇 동작을 출력하는 모델. ↩