0~15분: "로봇 영상 보면서 — 이게 진짜 지능이야?"

노정석이 "오늘 너무 재밌을 것 같다"며 들떠서 시작해. 게스트는 sudoremove 채널 운영하는 박종현. 조용하고 차분한 말투인데 내용은 묵직해.

박종현이 제일 먼저 한 게 CES 2026에서 가장 핫했던 Boston Dynamics Atlas 영상 틀기야. 사람처럼 유연하게 움직이는 휴머노이드. 근데 박종현이 딱 한마디 해. "이거 사실 별다른 지능 없어요." 그냥 미리 짜둔 동작 반복하는 거라서, 날아오는 공 잡거나 예상 못 한 상황에 대처하는 건 이때 데모에선 없었다는 거야. 현대 주가는 올랐지만.

그다음 보여준 게 진짜 지능 있는 Atlas 연구 영상. 물건이 아무렇게나 널려 있어도 알아서 집고 접고 정리해. 하키 채로 방해해도 끄떡없어. 박종현이 "안 되던 게 되는 게 Physical AI의 본질"이라고 정리해줘.

Sharpa라는 생소한 회사의 트럼프 카드 딜링 데모, Figure Helix 주방 정리 데모도 보여줘. Helix 영상에서 박종현이 재밌는 포인트 짚어 — "저 로봇이 골반으로 서랍 닫는 거 봐요. 사람처럼 학습한 거야." 근데 바로 이어서 "4분 짜리 데모는 텔레오퍼레이션이랑 구분 불가"라고 쿨하게 식혀줘. 진짜 대단한 건 10만 줄 C++ 코드를 모델이 대체했다는 것, end-to-end가 됐다는 것.

---

15~35분: VLA가 뭔지, 왜 어려운지

박종현이 본론 들어가. Physical AI를 좁게 정의해 — "end-to-end 학습으로 비정형 상황을 다 커버하는 지능이 탑재된 로봇." NVIDIA가 마케팅용으로 넓게 쓰는 것과 다른 정의야.

VLA 설명은 깔끔해. LLM(텍스트 이해) → 거기다 눈(카메라) 붙이면 VLM → 거기다 행동(모터 각도) 붙이면 VLA. 노정석이 "모터 좌표 뽑아내는 거죠?"라고 요약하고, 박종현이 "관절 각도예요"라고 다듬어줘. 게임 비유도 나와 — "화살표 키 누르는 게 action이에요."

진짜 핵심은 데이터 문제. 박종현이 로봇 동작 데이터 화면 띄워줘. 카메라 3개 영상 + 아래에 꾸불꾸불 흐르는 관절 각도 그래프. 이게 로봇 학습 데이터인데, 인터넷에 없어. 사람이 직접 VR 끼고 조종해서 하나씩 쌓아야 해. Tesla가 시급 50달러에 텔레오퍼레이터 고용했던 사례, 조건이 "10kg 메고 7시간 걷기"였다는 거 들으면서 노정석 반응이 재밌어. "이거 나 못 할 것 같은데?"

박종현 본인이 Vision Pro 끼고 시뮬레이터에서 텔레오퍼레이션 해봤는데, "2시간 하면 얼굴 아프고 4시간 하면 멀미"난대. 그리고 로봇 한 대당 사람 한 명 붙어야 해서 scalable하지 않다는 게 이 판의 본질적 한계.

---

35~55분: 어떻게 풀고 있나 — 데이터 전쟁

데이터 문제를 풀려는 접근들을 쭉 훑어줘.

NVIDIA 방식: 시뮬레이터에서 데이터 모으고, 그걸 Cosmos라는 세계모델로 뻥튀기. 배경·조명·재질 바꿔서 다양한 케이스 만드는 거야. 노정석이 "강화학습 + dataset augmentation이네요" 하고 딱 정리해줘.

1X 로봇(NEO) 얘기가 나오면서 분위기 확 달아올라. 이 회사가 로봇을 일단 팔고, 아직 AI가 못 하는 건 원격으로 사람이 대신 해줘. 그러면서 데이터 쌓는 전략. 박종현이 주문까지 넣어놨대. 노정석이 "Tesla FSD 전략이랑 똑같네!" 하고 흥분해. 박종현은 한 발 더 나가서 "인건비 싼 나라에서 텔레오퍼레이션, 인건비 비싼 나라에 로봇 배포하면 전 세계 물리 노동 가격이 맞춰지는 계기가 될 수도 있어요"라고 해. 노정석이 "비즈니스가 주는 즐거움"이라고 감탄하는 구간.

HuggingFace의 LeRobot도 나와. 커뮤니티가 오픈소스 로봇으로 다 같이 데이터 올리고, 그 데이터로 만든 모델이 SmolVLA. 이 전략이 박종현이 개인적으로 제일 좋아하는 방향이기도 해.

스케일링 법칙 얘기도 나와. 최승준이 "이 분야에도 scaling law 있나요?" 물어보고, 박종현이 "데이터 많아지면 성능 좋아지는 건 이미 여러 회사가 관찰했다. 어디까지 갈진 모른다"고 답해. 노정석이 "GPT-2 수준"이라고 비유하고, 박종현이 "첫 번째 generality를 보이기 시작한 단계"라고 동의해.

---

55~75분: 모델 구조 해부 — 다 비슷하게 생겼어

박종현이 작년에 나온 VLA 모델들(NVIDIA GR00T, Figure Helix, Gemini Robotics 등)을 까서 비교해줘. 핵심 발견: 다 비슷하게 수렴했어.

공통 구조는 "System 1·2 분리". 큰 VLM이 느리게 상황 판단하고(System 2), 작은 Diffusion 모델이 빠르게 행동 생성(System 1). 최승준이 "흥미롭네요, System 2가 먼저네요"라고 하고, 박종현이 "상황 인지는 천천히 해도 되는데 행동은 엄청 빨라야 해요"라고 설명해.

Gemini Robotics는 큰 모델을 클라우드에서 돌리고 작은 모델만 로봇 안에. 박종현이 "Google이 클라우드를 사업 모델로 팔려는 거 보이죠"라고 짚어.

그리고 왜 Diffusion이 들어오냐 — action은 연속적(continuous)인데 LLM은 이산적(discrete) 토큰만 뱉거든. 말에는 '중간값'이 없지만, 팔 각도에는 중간이 무한히 있잖아. 그래서 Diffusion으로 연속적인 action을 생성하게 된 거야. 올해 CES 나온 최신 모델들은 촉각까지 추가해서 System 0·1·2 3단계 구조로 업그레이드됐어.

---

75~84분: Physical Intelligence의 본질, 그리고 기회

박종현이 핀을 집는 자기 손 슬로모션 영상 보여줘. 1초 안에 눈 안 보고 집었는데, 그 안에 촉각 처리·의사결정·실패·수정이 5번 있었다는 거야. "이게 Physical Intelligence야. Cognitive Intelligence랑 완전히 다른 지능이에요."

Moravec's Paradox도 소개돼 — 체스는 AI가 잘 하는데, 주머니에서 열쇠 꺼내는 건 왜 이렇게 어렵냐. 사람한테 당연한 게 로봇한테 제일 어렵다는 역설.

Reporting Bias 이야기도 인상적이야. 인터넷 텍스트엔 '코끼리가 냉장고에 안 들어간다'는 말이 없어. 너무 당연하니까 아무도 안 썼거든. LLM이 그 당연한 상식을 모르는 이유야.

마지막에 박종현이 사업 방향 공유해. ① HuggingFace처럼 커뮤니티+오픈소스로 저렴한 로봇 대중화 ② 게임/가상세계를 물리 시뮬레이션으로 써서 데이터 문제 + 평가 문제 동시 해결. 노정석이 "LLM 열차 못 탄 사람들 여기 오면 된다"고 마무리해.

---