로봇이 체스에서 인간을 이기는 것은 비교적 일찍 달성했지만, 테이블 위에서 핀 하나를 집어 올리는 일은 여전히 엄청난 도전이다. 이것이 Moravec의 역설이다. 박종현은 직접 느린 동영상을 보여주며 우리가 무의식적으로 수행하는 ‘핀 집기’ 하나에도 1초 안에 다섯 번의 의사결정과 촉각 피드백이 포함되어 있음을 설명한다. 이러한 물리적 지능은 10억 년에 걸친 진화의 산물인 반면, 추상적 사고는 인류 역사에서 극히 최근에 생긴 능력이다. VLA가 바로 이 역설을 깨려는 시도이다. 인간과 다른 방식(예: 손바닥에 카메라 부착)으로 문제를 해결할 수 있기 때문에, 꼭 인간과 같은 신경 구조를 모방할 필요는 없다는 낙관론도 함께 나온다.
근거
팟캐스트에서 MIT 김상배 교수의 강연을 인용하며 “사람은 눈으로 안 보고도 핀을 집을 수 있지만, 그 과정에는 엄청난 데이터 처리와 빠른 의사결정이 숨겨져 있다”고 말한다. 또한 “다람쥐가 날아다닐 때 뉴턴 역학을 계산하지 않는다”는 비유로, 물리적 지능은 규칙 기반 계산이 아니라 경험과 직관에 기반함을 강조한다.
“어떤 말을 집을지 예상이 안 되죠. object detection에서 좌표를 따서 그걸로 로봇을 컨트롤하는 방식이랑 너무 다르다는 거예요.”
연결된 생각
- vla-model — VLA가 Moravec의 역설을 어떻게 극복하려는지
- embodied-cognition-theory — 몸과 환경이 지능 형성에 필수적이라는 인지과학 이론
- tactile-sensing-robotics — 촉각이 물리적 작업에 왜 중요한지
출처
- 📎 클리핑: 20260613-ep98-ko-transcript