핵심 내용 요약
신체화된 지능(물리적 세계와 상호작용할 수 있는 로봇 AI) 분야가 활발히 발전하고 있지만, “수백만 시간 분량의 데이터만 있으면 GPT 수준에 도달할 것”이라는 주장에는 오해가 있다. 데이터의 효율성(정보 밀도, 예외 상황 처리 능력, 이식 가능성)이 규모보다 훨씬 중요하다. 현재 업계는 “데이터를 쌓는” 것에서 “효율성을 높이는” 것으로 전환하고 있으며, 산업용/상업용 시나리오에 우선적으로 로봇을 적용하고 있다(바퀴 달린 로봇이 인간 형태의 로봇보다 더 실용적). 모델 개발 방향(VLA vs 세계 모델)에 대해서는 단기적으로 양자택일할 필요가 없으며, 데이터 회사의 경쟁력은 “수집-훈련-배포-실패 반복 학습”이라는 순환 과정에 있다. 중국과 미국 간에는 큰 차이가 없으며, 중국은 공급망과 하드웨어 측면에서 우위를 가지고 있다.
상세 분석
1. 수백만 시간은 과장된 수치인가? 실제로 유용한 데이터가 중요하다
많은 사람들이 신체화된 지능에는 “수백만 시간 분량의 데이터”가 필요하다고 하지만, 쿠와 테크놀로지(Kuwa Technology)의 펑패이(Peng Pai)는 반직관적인 예를 들었다: 일반 도로에서 100km를 주행해도 모델은 거의 학습하지 못하지만, 시장에서 날아다니는 비닐봉지 하나는 레이저 레이더와 시각 센서가 유연한 장애물을 어떻게 인식하는지의 차이를 드러낸다. 이것이 바로 “정보의 가치”를 보여주는 예이다.
중요한 판단 기준:
- 데이터 출처의 신뢰성: 많은 “수백만 시간 분량의 데이터”는 언어 모델의 토큰 수를 기준으로 계산된 것이며, 검증도 반박도 불가능하다;
- 유용한 데이터는 세 가지 지표로 판단한다: ① 설명 가능성(실패 원인을 각도/힘/전략으로 명확히 분석할 수 있는가); ② 예외 상황의 빈도(폭우, 차량과 사람의 혼잡한 환경 등 드물지만 실수하기 쉬운 상황의 비율); ③ 다른 로봇에도 재사용 가능성(단일 비용으로 여러 로봇에 데이터를 공유할 수 있는가);
- “데이터를 쌓는” 것을 중단해야 할 시점: 새로운 데이터의 비즈니스 가치가 수집 비용을 초과하는 경우(경제적 전환점), 예를 들어 특정 시나리오에서 99%의 성공률을 달성했다면 더 이상 데이터를 수집할 필요가 없다.
2. 데이터의 구조가 변화하고 있다: 인간 영상을 기반으로 하며, 실제 로봇의 예외 상황이 핵심이 되다
신체화된 지능을 훈련하는 데 사용되는 데이터 구조는 고정적이지 않으며, 이제 동적인 피라미드 형태를 띤다:
- 기초 층: 인간의 1인칭 영상(예: 요리나 청소하는 영상) – 규모가 크고 다양한 로봇에 적용 가능;
- 중간 층: 시뮬레이션/합성 데이터 – 극단적인 상황(예: 원자력 발전소 고장)을 모방하여 실제로 수집하기 어려운 실패 사례를 보완;
- 상위 층: 실제 로봇이 직면하는 문제들(실제 운영 중에 발생하는 오류) – 가장 가치가 높으며, 모델의 안정성을 직접 향상시킨다;
핵심 논리: 세 층은 순환적으로 사용되어야 한다(예: 실제 로봇이 비닐봉지 문제에 부딪혔을 때, 시뮬레이션으로 재현한 후 인간 영상으로 유사한 상황을 보완). 천순 지능(Qianxun Intelligence)의 곽준량(Guo Junliang)은 순수 인간 영상만으로는 로봇의 상호작용 세부 사항이 부족하며, UMI(유저 매니플레이션 장치)를 사용하면 로봇의 동작을 더 정확하게 반영할 수 있다고 추가했다.
3. 모델 개발 방향: VLA와 세계 모델, 단기적으로 양자택일할 필요가 없다
업계에는 두 가지 접근 방식이 있다: VLA(영상에서 직접 동작을 학습)와 세계 모델(물리적 법칙을 먼저 학습한 후 결정을 내림). 전문가들은 다음과 같이 생각한다:
- 데이터 양이 충분하면, 두 방식의 차이는 크지 않다: 천순 지능의 실험에 따르면 데이터 양이 일정 수준에 이르면 두 방식의 효과가 비슷해진다;
- 계층화된 시스템이 더 실용적이다: 구글 제미니 로보틱스(Google Gemini Robotics)가 그 예로, 상위 모델은 작업을 이해하고(예: 청소), 하위 VLA는 실행을 담당한다(예: 회전 및 빗질); SLAM과 같은 기존 기술도 직접 활용할 수 있다;
- 상업적으로는 ‘단일 모델’이 필요하지 않다: 광륜 지능(Guanglun Intelligence)의 란허(Lian He)는 많은 고객들이 로봇이 특정 작업을 안정적으로 수행하기만 하면 되며, 모든 작업을 한 모델로 처리할 필요가 없다고 말했다.
4. 상용화: 먼저 ‘중간 지대’에서 시작하자, 인간 형태의 로봇은 필수적이지 않다
이전의 자동화 기술은 “환경을 개조하여 로봇에 맞추는” 것이었지만(예: 폐쇄된 상업 시설의 청소 로봇), 현재 신체화된 지능은 “로봇이 인간 사회에 적응하는” 것이 목표다(예: 개방된 보도의 환경 청소 로봇).
적용 우선순위:
- 극단적인 상황은 제외: ① 고도로 맞춤화된 산업 시나리오(기존 자동화 기술이 이미 성숙하고 수익성이 낮음); ② 가정 환경(복잡하며 노인, 어린이, 반려동물 등이 있어 단기적으로 수익을 내기 어려움);
- 중간 지대를 선택: 산업용/상업용 시나리오(예: 공장에서의 물품 운반, 상점 청소) – 맞춤화가 필요하지만 일반화가 가능하며, 인간과의 상호작용이 빈번하지 않음;
- 인간 형태의 로봇은 필수적이지 않다: 천순 지능의 곽준량은 바퀴 달린 차체에 리프트 메커니즘을 추가하면 현재 작업의 95% 이상을 처리할 수 있으며, 고객들이 관심하는 것은 “안정적으로 작동하는가, 유지보수 비용이 낮은가, ROI가 좋은가”이지 로봇이 인간처럼 생겼는가가 아니다.
5. 데이터 회사의 생존 전략: 규모보다는 순환 과정이 중요하다
데이터 회사의 핵심 경쟁력은 “얼마나 많은 데이터를 수집하는가”가 아니라 “실패 사례를 얼마나 효과적으로 활용하는가”이다:
- 순환 과정이 경쟁력의 핵심: 데이터 수집 → 선별 → 훈련 → 배포 → 실패 반복 학습 – 이러한 순환을 통해 모델을 지속적으로 개선할 수 있다; 예를 들어, 로봇이 청소 중에 비닐봉지에 걸릴 경우, 데이터 회사는 이 실패 사례를 기록하여 모델이 다음에 같은 실수를 하지 않도록 해야 한다;
- 데이터의 이식성: 케싱 시공 정우정(Jing Yujing)은 데이터가 특정 로봇에만 국한되어서는 안 되며, 다른 로봇에도 쉽게 적용될 수 있어야 한다고 말했다(예: 클램프를 바꾸더라도 기존 데이터를 계속 사용할 수 있어야 함);
- 모델 팀과의 협력: 광륜 지능의 란허는 데이터 회사가 단순히 파일을 제공하는 것에 그치지 말고, 모델이 어떤 기능이 부족한지 파악하여 새로운 정보를 제공해야 한다고 강조했다(예: 반복적인 일반 상황의 데이터는 유용하지 않으며, 예외 상황의 데이터가 더 중요하다).
결론
신체화된 지능 분야의 경쟁은 “누가 더 많은 데이터를 가지고 있는가”에서 “누가 더 효율적으로 문제를 해결하는가”로 전환되고 있다. 수백만 시간 분량의 데이터는 단지 시작점에 불과하며, 진정한 분수령은 실제 세계에서 발생하는 값비싼 실패 사례를 모델이 학습하여 다음 번에 같은 실수를 반복하지 않도록 하는 능력이다. 일반 사용자들에게는 앞으로 등장하는 로봇이 인간 형태가 아닐 수 있지만, 더 스마트해질 것이며(예: 시장에서 비닐봉지를 피하거나 보도에서 배달 차량을 피하는 등), 우리의 일상에 더 잘 어울릴 것이다.