LLM이 잘하는 추상적 추론(코딩, 수학)과 달리, 물체를 집거나 문을 여는 단순한 물리적 행동이 로봇에게는 여전히 어렵다. 이것이 Moravec’s Paradox다. 인간에게 수백만 년의 진화로 익숙해진 운동 지능은 언어 지능보다 훨씬 높은 차원의 감각-운동 데이터를 실시간으로 처리해야 하기 때문이다. 촉각은 수천 개의 접촉점에서 들어오는 고차원 정보를 무의식적으로 통합하고, 1초도 안 되는 시간에 여러 번의 의사결정을 내린다. 반면 텍스트는 이미 추상화되어 정보 밀도가 낮다. Language Model의 성공이 인터넷 스케일의 텍스트 덕분이라면, Physical Intelligence는 action 데이터의 부재와 높은 차원성 때문에 다른 접근이 필요하다. 다만, 로봇은 인간과 달리 손바닥에 카메라를 달거나 LiDAR를 장착할 수 있으므로 인간의 한계를 넘는 방식으로 이 문제를 해결할 수 있다. 결국 Physical Intelligence는 Cognitive Intelligence의 단순한 연장선이 아니라 별개의 축이며, 우리는 그 축을 따라 새로운 scaling 전략을 모색해야 한다.
근거
“우리가 체스 같은 거 되게 머리가 필요하고 지능이 필요하고 이런 거라고 생각을 하는데 … 열쇠 꺼내는 걸 너무 쉽게 잘하거든요. … 이런 걸 우리가 지능이라고 보통 안 부르죠. … 그런데 막상 우리가 이런 걸 구현을 하려고 보니까 이게 너무 어렵다는 거예요.” (박종현)
“이 언어에는 Reporting Bias라는 게 있다 … 코끼리 냉장고에 어떻게 넣어? … 인간한테 너무나 당연했던 코끼리는 엄청 크니까 냉장고에 절대 안 들어가지, 이런 게 텍스트로 써져 있지 않거든요. 텍스트 세상이라는 게 사실은 상당히 누락된 정보가 많다.”
연결된 생각
- 20260603-vla-model — Physical Intelligence를 구현하는 현재의 주된 접근법 VLA
- Moravec’s Paradox — 진화적으로 오래된 지능이 더 구현하기 어렵다는 역설