Physical AI(로봇, OHT, AMR 등) 시뮬레이션은 수억 원 규모의 의사결정을 좌우하지만, "이 결과를 얼마나 믿을 수 있는가?"에 대한 정량적 답이 없습니다. 우리는 이 문제를 해결하는 End-to-End 파이프라인을 구축합니다. 핵심 아이디어는 두 가지입니다. 1. 자연어로 시뮬레이션을 요청할 수 있게 만들어 진입장벽을 낮추고, 2. Domain Randomization을 기존의 "학습 일반화"가 아닌 "Sim2Real Gap 측정" 도구로 전용하여, 결과 분포 + 신뢰도(%) + 파라미터별 민감도를 리포트로 제공합니다. 추가로 Gymnasium 기반 2D CPU 시뮬레이션으로 시나리오를 사전 필터링한 뒤, 유망한 시나리오만 Isaac Sim 3D GPU 시뮬레이션에 올려 비용을 70% 이상 절감하는 파이프라인도 구현합니다. 현재 NVIDIA Isaac Sim/Lab 기반으로 OHT·AMR·AGV 등 자율 물류 로봇 시나리오를 PoC 타겟으로 진행 예정입니다. 최종 결과물은 오픈소스로 공개하고, 기술 블로그와 발표를 통해 커뮤니티에 공유합니다.