Non-verifiable 데이터 도메인에서 가장 강력한 도구 중 하나는 시뮬레이터(또는 물리적 환경)다. Gemini Robotics가 VLA(Vision Language Action) 모델을 위해 구축한 환경이나, NVIDIA의 Omniverse 같은 시뮬레이터는 원래는 비-검증 가능했던 로봇 태스크를 검증 가능하게 만든다. “포도를 바나나가 있는 접시에 넣어 줘”라는 명령은 단순히 텍스트만으로는 평가할 수 없지만, 시뮬레이터 환경에서 vision 정보와 함께 수행 결과를 0/1로 판단할 수 있다. 이는 곧 검증 가능한 보상 함수를 제공하여 강화학습 기반의 데이터 자동 생성이 가능해짐을 의미한다. 따라서 스타트업이 자체적인 시뮬레이터 또는 물리적 환경을 구축할 수 있다면, 그 자체로 강력한 모트가 된다.
근거
“우리가 만들고 싶은 task가 ‘포도를 바나나가 있는 접시에 넣어 줘’라고 됐을 때, 이 환경 자체가 있어서 vision으로 정보가 들어오지 않는다면 이걸 아예 만들 수가 없거든요. label 자체를 생성할 수가 없거든요. 이런 부분들의 환경들이 non-verifiable한 영역을 verifiable로 바꿔주는 환경이라는 생각이 들어요.”
시뮬레이터는 비용이 저렴해지면서 점점 더 많은 스타트업이 접근 가능해지고 있다. 메이크업 데이터셋 예시처럼, 소비자 대상 서비스 자체가 하나의 환경이 되어 피드백을 수집할 수도 있다.
연결된 생각
- 20260606-non-verifiable-data-domain — Non-Verifiable Data Domain 개념
- 20260606-closed-loop-system-as-moat — Closed-loop 시스템이 모트가 되는 이유