LLM이 인터넷 스케일의 텍스트 데이터를 통해 ‘지식’을 습득하고 추론 능력을 얻은 것과 달리, VLA 모델이 학습해야 하는 ‘행동(action)’ 데이터는 모터의 각도, 조인트의 토크 등 연속적이고 물리적인 값이다. 박종현 님은 이 데이터가 인터넷에 존재하지 않는다는 점을 VLA 생태계의 가장 근본적인 병목으로 지적한다.
이 병목을 해결하기 위한 세 가지 주요 접근법이 등장하고 있으며, 각각은 비즈니스 모델과 직결된다. 첫째는 사람이 직접 로봇을 조종하는 ‘텔레오퍼레이션(Teleoperation)‘으로, Tesla가 Optimus 로봇을 위해 VR 헤드셋을 쓰고 직원을 고용한 사례가 대표적이다. 둘째는 NVIDIA가 주도하는 ‘시뮬레이션 증강(Sim-to-Real)‘으로, Cosmos World Model을 활용해 가상 데이터를 무한히 생성하는 방식이다. 셋째는 가장 전략적인 접근법인 ‘플라이휠(Flywheel)’ 전략인데, 1X Robotics가 이를 잘 보여준다. 로봇의 완성도가 낮아도 하드웨어를 먼저 판매하고, 아직 부족한 소프트웨어는 원격으로 사람이 대신 동작시켜 주며, 그 과정에서 실제 가정 환경의 데이터를 축적하는 것이다.
이는 LLM의 ‘무료’ 데이터와 달리, 물리적 세계의 데이터는 고비용의 엔지니어링 노력이 필요함을 의미한다. 따라서 Physical AI 분야의 승부처는 더 뛰어난 모델 구조를 찾는 것이 아니라, 어떻게 하면 현실 세계의 데이터를 가장 효율적이고 규모 있게 수집할 수 있는지로 이동하고 있다.
근거
“이 action이라는 데이터가 실제로 이런 식으로 생겼거든요… 각 관절의 각도예요. 팔이 펴졌다가 접혔다가 하는 겁니다. 이런 움직임 데이터가 인터넷에 존재하지 않아서 학습할 게 없는 거죠.”
“이 로봇이 지금 당연히 VLA가 완벽하지 않으니까 가사 일을 다 하기가 어렵잖아요. 그래서 어떻게 해 주겠다고 하냐면 Tesla처럼 우리가 teleop으로 가사 일은 해줄게, 나중에 잘될 거야.”
연결된 생각
- 20260607-vla-system-1-2-architecture — 이 병목을 해결하기 위해 등장한 아키텍처적 해결책.
- 20260607-moravecs-paradox-vla-implications — 데이터 수집의 어려움이 왜 근본적인 문제인지 철학적 배경 제공.