LLM이 인터넷 전체 텍스트로 학습할 수 있었던 것과 달리, 로봇의 action 데이터는 물리적 세계에서만 얻을 수 있다. 이 불균형이 Physical AI의 가장 큰 걸림돌이다. 그러나 박종현이 제시하는 전략들은 이 문제를 오히려 기회로 전환한다. 1X NEO는 하드웨어를 먼저 팔고 아직 완성되지 않은 지능은 teleoperation(원격 조종)으로 채워주며 데이터를 축적하는 flywheel 모델을 구축했다. Tesla도 유사하게 FSD를 점진적으로 업데이트하며 데이터를 확보했다. 또한 HuggingFace의 LeRobot과 같은 오픈소스 커뮤니티는 저렴한 로봇(50만 원대)과 공개 튜토리얼을 제공하여 누구나 데이터를 기여하고 모델을 개선할 수 있는 생태계를 만들었다. NVIDIA는 Isaac Sim과 Cosmos world model로 시뮬레이션 데이터를 대량 생성하는 길을 연다. 핵심은 데이터 수집이 단순한 기술 문제가 아니라, 사회적·경제적 시스템 설계 문제라는 점이다.
근거
“action이라는 데이터가 존재하지가 않아요… 인터넷에 존재하지 않아서 학습할 게 없는 거죠.” “1X NEO… 우리가 teleop으로 가사 일은 해줄게, 나중에 잘될 거야. 일단 광고는 빨래 개는 건 다 잘 된다고 하지만, 안 되는 건 teleop으로 해줄게… 이게 데이터가 scalable하게 쌓이는 창구가 될 수 있다.” “HuggingFace의 LeRobot이 저도 그렇게 처음에 딱 입문을 했고 제일 좋은 시작 지점이라고 생각… 50만 원 정도 가지고 시작하실 수 있다.”
연결된 생각
- 20260607-physical-ai-vla-definition — VLA의 성능은 결국 데이터의 양과 질에 비례하므로, 데이터 병목 해소가 가장 시급한 과제이다.
- 20260607-why-physical-ai-is-different-from-cognitive — 데이터가 인터넷에 없는 이유는 물리적 세계의 고차원성과 Reporting Bias 때문이며, 이는 LLM과의 근본적 차이를 만든다.
출처
- 📎 클리핑: 20260613-ep98-ko-transcript