박종현 님은 MIT 김상배 교수의 아이디어를 인용하며 VLA가 풀어야 할 본질을 설명한다. 인간은 핀을 집는 행동을 너무 당연하게 수행하지만, 이 과정에는 엄청난 처리량의 감각 데이터와 수 밀리초 단위의 의사결정이 숨겨져 있다. 반면 체스나 바둑은 진화적으로 최근에 발달한 인지 능력이며, 규칙이 명확하고 차원이 낮다. 이 불일치가 ‘모라벡의 역설’이다.
더 흥미로운 점은 ‘언어의 보고 편향(Reporting Bias)‘이다. 인간은 일상적인 경험을 언어로 기록할 때, 당연한 것은 생략하고 특별한 것만 남기는 경향이 있다. “코끼리를 냉장고에 넣으려면?” 같은 질문에 LLM이 터무니없는 답을 하는 이유는, ‘코끼리는 냉장고에 너무 크다’라는 전제가 인터넷 텍스트에 거의 기록되지 않았기 때문이다. 물리적 세계에 대한 ‘상식(Common Sense)‘은 언어 데이터에는 존재하지 않는 정보를 요구한다.
이것이 바로 VLA의 핵심 과제다. 단순히 모터를 제어하는 것이 아니라, 인간이 무의식적으로 수행하는 고차원적 감각-행동 루프를 신경망 안에 압축하는 것이다. 로봇이 인간처럼 핀을 잡으려면, 단순한 비전 좌표 계산을 넘어, 손 촉각의 미세한 압력 분포와 손목의 각도 변화를 실시간으로 처리하는 ‘물리적 직관’을 학습해야 한다.
근거
“이게 슬로우 모션으로 해 놓은 건데 너무 당연하죠… 우리가 이걸 rule-based로 비전으로 따서 집게로 집는다, 이런 로봇을 만든다고 생각하면 보통 맨 위에 걸 집는 게 최적이라고 생각을 하거든요. 그런데 사람은 그렇게 동작하지 않는다는 거죠.”
“텍스트 세상이라는 게 사실은 상당히 누락된 정보가 많다는 거예요. 기본적인 누락된 정보가. Physical Intelligence라는 거는 그런 정보들을 다루는 문제다.”
연결된 생각
- 20260607-vla-system-1-2-architecture — VLA 아키텍처가 이 문제를 어떻게 구조적으로 해결하려는지.
- Physical Intelligence — 인지 지능과 물리적 지능의 개념적 분리.