VLA 모델이란 무엇인가: RT-2부터 pi0.5까지 로봇 파운데이션 모델 해설, 올해 29억 4천만 달러가 몰린 이유
VLA(비전-언어-행동) 모델은 카메라 영상과 글로 된 지시를 받아 로봇 모터 명령을 바로 내놓는 신경망이다. 구글 딥마인드가 2023년 7월 RT-2 논문에서 이 용어를 처음 썼다. MEKAWIRE 데이터베이스 기준 올해 로봇 파운데이션 모델 기업 6곳이 29억 4천만 달러를 공개 조달했는데, 이는 전체 공개 로봇 투자의 4분의 1이며 휴머노이드 하드웨어 기업 조달액의 두 배다.
VLA(비전-언어-행동) 모델은 카메라 영상을 보고 "컵을 싱크대에 넣어라" 같은 지시를 읽은 뒤 로봇의 다음 모터 명령을 내놓는 하나의 신경망이다. 인터넷 이미지와 글로 학습한 비전-언어 모델에 말뿐 아니라 동작까지 출력하도록 가르쳐 만든다. MEKAWIRE 데이터베이스 기준 올해 이런 로봇 파운데이션 모델을 만드는 기업들이 6건의 라운드로 29억 4천만 달러를 공개 조달했다. 올해 공개된 전체 로봇 투자의 4분의 1이다.
이 돈은 로봇의 몸이 아니라 두뇌에 가치가 쌓인다는 데 건 베팅이다. 이 해설은 모델의 작동 원리, 개발 주체, 돈의 쓰임새, 최근 연구가 보여 주는 한계를 개발사 논문과 회사 발표, MEKAWIRE의 검증된 투자와 논문 데이터만으로 정리한다. 한국 연구진의 위치도 함께 짚는다.
정의는 2023년 구글이 내렸고 업계가 그대로 쓴다
구글 딥마인드는 2023년 7월 28일 RT-2 논문에서 이 용어를 처음 썼다. 방법은 간단했다. 로봇 동작을 텍스트 토큰으로 바꿔 로봇 궤적 데이터와 웹 질의응답을 함께 학습시키면 하나의 모델이 질문에도 답하고 팔도 움직인다. 연구진은 6,000회의 평가 시행을 거쳐, 로봇 데이터에 없던 명령을 따르고 즉석 망치로 돌을 고르는 수준의 추론을 보였다고 밝혔다.
공개 진영의 답은 2024년 6월에 나왔다. 메타의 라마2와 DINOv2, SigLIP 시각 인코더로 만든 70억 파라미터 OpenVLA는 실제 로봇 시연 97만 건으로 학습했다. 저자들은 29개 과제에서 550억 파라미터 RT-2-X보다 성공률이 16.5%포인트 높았고 소비자용 GPU로도 미세조정할 수 있다고 밝혔다. 이때부터 VLA는 연구실 전시물이 아니라 연구 플랫폼이 됐다.
2세대는 동작을 만드는 절반을 바꿨다
텍스트 토큰은 7축 로봇팔을 매끄럽게 움직이기엔 거친 방식이다. 피지컬 인텔리전스가 2024년 10월 31일 공개한 pi0는 이해는 사전학습 비전-언어 모델에 맡기고 연속 동작 묶음은 흐름 정합으로 생성해, 단일 팔과 양팔, 이동형 로봇에서 빨래 개기와 상자 조립을 보였다. 2025년 4월 22일 나온 pi0.5는 로봇 데이터와 웹 데이터, 하위 과제 라벨을 함께 학습해 처음 보는 집의 주방과 침실을 정리했다고 회사 측은 밝혔다.
엔비디아 GR00T N1(2025년 3월 18일)은 장면을 해석하는 비전-언어 '시스템2'와 실시간으로 동작을 만드는 확산 트랜스포머 '시스템1'로 일을 나눴고, 실물 로봇 데이터와 사람 영상, 합성 데이터를 섞어 학습해 푸리에 GR-1 휴머노이드에 올렸다. 구글 딥마인드의 제미나이 로보틱스(2025년 3월 25일)는 제미나이 2.0과 공간 추론 모델을 바탕으로 시연 100건만으로 새 단기 과제를 익혔다.
- RT-2
- 구글 딥마인드
- 2023년 7월
- 비공개
- 동작을 텍스트 토큰으로 표현, 즉석 망치 고르기 같은 추론, 평가 6,000회
- OpenVLA
- 대학 주도 연구팀
- 2024년 6월
- 공개(70억)
- 시연 97만 건, 29개 과제에서 RT-2-X(550억) 대비 +16.5%포인트
- pi0
- 피지컬 인텔리전스
- 2024년 10월
- 논문에 명시 없음
- VLM 위 흐름 정합 동작, 빨래 개기, 상자 조립
- GR00T N1
- 엔비디아
- 2025년 3월
- 공개
- VLM과 확산 트랜스포머 이중 구조, 실물, 영상, 합성 데이터 혼합, 푸리에 GR-1
- 제미나이 로보틱스
- 구글 딥마인드
- 2025년 3월
- 비공개
- 제미나이 2.0 기반, 시연 100건으로 새 단기 과제
- pi0.5
- 피지컬 인텔리전스
- 2025년 4월
- 논문에 명시 없음
- 이종 데이터 공동 학습, 처음 보는 집 정리
출처: 각 arXiv 논문. 성과는 개발사 자체 보고치이며 독립 검증 결과가 아니다.
2026년 10월 17일 기준
표의 모델들은 구조는 같고 무엇을 공개하느냐가 다르다. 그 차이가 투자 지형을 가른다.
29억 4천만 달러는 어디로 갔나
올해 로봇 파운데이션 모델과 VLA 기업 6곳이 라운드를 공개했다. 소프트뱅크그룹이 이끈 스킬드AI의 14억 달러 시리즈C(1월 14일, 투자 후 기업가치 140억 달러)가 홀로 전체의 47.6%이며, 18개월 전인 2024년 7월 시리즈A 기업가치 15억 달러의 9.3배다. 로다AI(4억 5천만 달러), 제너럴리스트AI(4억 달러), 월든로보틱스(기업가치 11억 달러에 시드 3억 달러), 스피릿AI(2억 8천만 달러)가 뒤를 잇고 독일 세리액트가 1억 1천만 달러를 받았다.
- 스킬드AI
- 미국
- 1월 14일
- 시리즈C
- 1,400.0
- 14.0
- 소프트뱅크그룹
- 스피릿AI
- 중국
- 2월 25일
- 기타
- 280.0
- 미공개
- 미공개
- 로다AI
- 미국
- 3월 10일
- 시리즈A
- 450.0
- 미공개
- 미공개
- 세리액트
- 독일
- 4월 27일
- 시리즈B
- 110.0
- 미공개
- Headline
- 제너럴리스트AI
- 미국
- 6월 4일
- 성장
- 400.0
- 미공개
- 래디컬벤처스
- 월든로보틱스
- 미국
- 7월 15일
- 시드
- 300.0
- 1.1
- Deviation Capital
- 합계
- 자료 없음
- 자료 없음
- 6건
- 2,940.0
- 자료 없음
- 자료 없음
10월 17일 기준. 회사나 투자사 발표로 확인된 금액만 집계. 엑스스퀘어로봇과 로보테라의 올해 라운드는 금액이 검증 수치로 저장되지 않아 제외했고, 피지컬 인텔리전스는 언론 보도로만 알려져 제외했다. 산식: 비중 = 2,940.0 ÷ 11,468.8(올해 공개 로봇 투자 57건), 평균 = 합계 ÷ 건수.
2026년 10월 17일 기준
이 그룹의 평균 공개 라운드는 4억 9,000만 달러로, 올해 공개된 로봇 투자 57건 평균 2억 120만 달러와 휴머노이드 주력 기업 평균 1억 8,160만 달러를 크게 웃돈다. 6곳 중 4곳이 미국 기업이고 금액의 86.7%를 차지한다. 이 분야 최대 기업인 피지컬 인텔리전스는 라운드 규모를 직접 공개하지 않아 표에서 빠졌다. MEKAWIRE는 이를 언론 보도치로만 보관한다. 한국 VLA 스타트업의 공개 라운드는 올해 MEKAWIRE 데이터베이스에 한 건도 없다.
MEKAWIRE 분석
VLA는 로봇 산업의 공용 운영 계층으로 굳어지고 있으며, 투자자는 팔과 다리가 아니라 사전학습 체크포인트와 이를 개선하는 데이터에 대한 지배력에 값을 치르고 있다.
MEKAWIRE 논문 데이터베이스에서 그 흐름이 보인다. 9월 1일 이후 수집한 로봇 논문 585편 중 101편(17.3%)이 VLA 논문이고, 10월 17일 브리핑한 세 편은 모두 피지컬 인텔리전스의 pi0.5를 출발점으로 삼아 주변 기능을 더했다. MBZUAI의 ForkCast는 카메라를 옮길지 팔을 다시 계획할지 예측하고, 베이항대와 BAAI의 LTM은 정책에 기억을 주며, 서울대와 KAIST, AI 반도체 스타트업 디노티시아 연구진의 검증기는 계획된 동작을 몇 개까지 믿을지 정한다. 이 검증기는 실물 프랭카 로봇팔에서 평균 성공률을 41.1%에서 74.4%로 높였다. 연구가 VLA를 만드는 단계에서 VLA를 감싸는 단계로 옮겨 가고 있다는 뜻이고, 기반 모델이 표준이 될 때 나타나는 현상이다. 기관이 기록된 VLA 논문 41편 중 7편(17.1%)이 한국 기관 논문이라는 점은 국내 연구 기반이 얇지 않다는 신호다.
가장 강한 반론도 같은 논문들에 있다. 미세조정한 pi0.5는 부가 기능 없이 교란 시뮬레이션에서 13.3%, 실물 개수 세기에서 11.25%만 성공했고, 개선은 과제별 데이터와 공학에서 나왔다. 현장 성공이 현장별 데이터와 통합에 달려 있다면 가치는 로봇 플릿과 고객 현장을 가진 쪽으로 흐른다. 이는 모델 스타트업보다 수직계열화한 휴머노이드 제조사와 기존 강자에 유리하다. 현대차그룹과 보스턴다이내믹스, 삼성전자와 레인보우로보틱스처럼 하드웨어와 공장을 함께 가진 국내 그룹이 자체 모델 전략을 고민할 근거다.
강세 시나리오에서는 과제당 시연 100건 안팎으로 미세조정하는 체크포인트 하나가 로봇 프로그래밍보다 싸지고, 모델 보유자가 모든 배치에서 통행료를 걷는다. 약세 시나리오에서는 OpenVLA, GR00T N1 같은 공개 모델이 격차를 계속 좁혀 2년 안에 VLA 능력이 범용화되고, 140억 달러 기업가치는 소프트웨어 같은 잠금 효과 없이 소프트웨어 수준 마진을 기대하게 된다.
판단을 바꿀 근거는 벤치마크가 아니라 고객 현장에서 나온다. 2026년 12월 31일까지 VLA 개발사가 유료 고객 현장의 과제별 성공률을 공개하는지, 피지컬 인텔리전스가 자체 채널로 라운드를 공개하는지, 그리고 MEKAWIRE의 11월 논문 집계에서 VLA 비중이 10월 수준을 넘는지를 지켜봐야 한다. 국내에서는 정부의 피지컬 AI 사업이 VLA 스타트업 첫 대형 라운드로 이어지는지가 관전 포인트다.
- Google DeepMind introduced the term vision-language-action model with RT-2 (arXiv, July 28, 2023), which writes robot actions as text tokens inside a vision-language model and was tested in 6,000 evaluation trials.
- OpenVLA (arXiv, June 13, 2024) is a 7-billion-parameter open model trained on 970,000 real robot demonstrations; its authors report it beat the 55-billion-parameter RT-2-X by 16.5 points of task success across 29 tasks.
- Physical Intelligence's pi0 (Oct 31, 2024) added a flow-matching action generator on top of a vision-language model; pi0.5 (Apr 22, 2025) co-trained on robot, web and semantic data and cleaned kitchens and bedrooms in homes it had never seen.
- NVIDIA's GR00T N1 (Mar 18, 2025) is an open VLA with a vision-language System 2 and a diffusion-transformer System 1, deployed on Fourier's GR-1 humanoid; Gemini Robotics (Mar 25, 2025) learned new short tasks from as few as 100 demonstrations.
- MEKAWIRE database, as of Oct 17, 2026: six robot-foundation-model and VLA companies disclosed USD 2,940.0m in 2026, 25.6% of USD 11,468.8m disclosed across 57 robotics rounds, and 2.0 times the USD 1,452.4m raised by humanoid-primary companies.
- Skild AI's USD 1.4bn Series C at a USD 14bn post-money valuation (Jan 14, 2026) is 47.6% of the 2026 foundation-model total and a 9.3-fold valuation step-up from its USD 1.5bn Series A of July 2024.
- 101 of the 585 robotics papers MEKAWIRE ingested since Sept 1, 2026 (17.3%) are VLA papers; all three briefed on Oct 17 use a frozen or fine-tuned pi0.5 as the base policy.
왜 중요한가
모든 로봇 기업은 이제 조작 두뇌를 직접 만들지, 라이선스할지, 미세조정할지 정해야 한다. 올해 공개된 6건, 29억 4천만 달러는 이 계층을 하드웨어에서 떼어 여러 로봇 몸체에 팔 수 있다는 가설에 걸린 돈이다. 안드로이드가 여러 스마트폰에 팔린 방식과 같다.
국내 제조사와 수요 기업에는 전환 비용이 핵심이다. 라이선스 모델을 자기 시연 데이터로 미세조정하면 데이터는 갖지만 가중치는 갖지 못하고, 공개 체크포인트는 그 반대다. 첫 양산 배치가 조건을 굳히기 전에 VLA 라이선스 조건을 전략 사안으로 다뤄야 한다.
경쟁사 비교
세 진영이 경쟁한다. 자체 칩과 클라우드, 범용 모델을 가진 플랫폼 기업(제미나이 로보틱스의 구글 딥마인드, GR00T의 엔비디아)은 연산을 팔기 위해 모델을 공개하거나 서비스를 팔기 위해 닫을 수 있다. 독립 모델 연구소(피지컬 인텔리전스, 스킬드AI, 제너럴리스트AI, 로다AI)는 모델 자체로 돈을 벌어야 하며 가장 큰 민간 라운드를 받았다. 수직계열화한 로봇 제조사는 자사 하드웨어용 모델을 직접 만든다.
한국은 연구 기반은 있으나 공개 VLA 스타트업 투자가 없다. 9월 이후 기관이 기록된 VLA 논문 41편 중 7편이 한국 기관이지만, MEKAWIRE에 등록된 올해 VLA 기업 라운드는 미국, 중국, 독일뿐이다. 중국은 스피릿AI, 엑스스퀘어로봇, 로보테라가 자체 휴머노이드와 모델을 묶어 산업 전략투자자 자금을 받고 있다.
밸류에이션 맥락
올해 이 분야 라운드 중 기업가치가 공개된 것은 스킬드AI(140억 달러)와 월든로보틱스 시드(11억 달러)뿐이다. 스킬드AI는 2024년 7월 15억 달러에서 18개월 만에 9.3배로 올라, MEKAWIRE 데이터베이스의 어느 휴머노이드 하드웨어 기업보다 빠르다.
평균 라운드 4억 9,000만 달러는 로봇 전체 평균(2억 120만 달러)의 2.4배, 휴머노이드 평균(1억 8,160만 달러)의 2.7배다. 공개 수치만 집계했으므로 엑스스퀘어로봇과 로보테라의 비공개 금액, 보도로만 알려진 피지컬 인텔리전스 라운드를 더하면 규모는 더 커진다.
공급망 파급
VLA 사업은 학습과 추론용 GPU, 데이터 수집용 로봇 가동 시간, 그리고 점점 더 많은 시뮬레이션을 소비한다. 이번에 브리핑한 논문들이 추론 비용을 보여 준다. 기억 기능을 더한 pi0.5 추론은 엔비디아 H100에서 66.71ms였고, 서울대와 KAIST 검증기는 동작 생성 시간의 0.45~1.24%만 더했다. 디노티시아 같은 국내 AI 반도체 기업이 로봇 추론 효율 연구에 참여하는 이유다.
로봇 쪽 연구 기반은 프랭카 판다, 애질엑스 PiPER, 유니트리와 갤봇 휴머노이드 등 소수 플랫폼에 몰려 있다. 데이터 수집은 노동집약적 원격조작이어서 인건비가 낮고 국가가 데이터센터를 짓는 중국에 유리하다. 한국 정부의 휴머노이드 데이터 구축 사업이 이 격차를 얼마나 메울지가 관건이다.
지켜볼 신호
첫째, 2026년 12월 31일까지 VLA 개발사가 유료 고객 현장의 과제별 성공률과 개입률을 공개하는지. 둘째, 피지컬 인텔리전스가 자체 채널로 라운드나 라이선스 조건을 공개하는지. 셋째, MEKAWIRE의 11월 논문 집계에서 VLA 비중이 10월의 약 6분의 1 수준을 유지하거나 넘는지. 국내에서는 VLA 스타트업의 첫 공개 대형 라운드가 나오는지다.
애널리스트 시각
논지: VLA는 공용 운영 계층이 되고 있으며 투자자는 체크포인트와 데이터 선순환에 대한 지배력에 값을 치른다. 확신도: 중간. 구조는 수렴했고 연구 생태계가 소수 기반 모델로 표준화되고 있지만, 감사받은 양산 경제성을 보여 준 개발사는 아직 없고 공개 모델이 해자를 좁힌다. 12개월 안에 공개 체크포인트가 고객 과제에서 비공개 모델과 대등해지면 확신도를 낮추고, 모델 개발사가 조건이 공개된 다현장 라이선스 계약을 맺으면 높이겠다.
따져봐야 할 질문
모델 개발사에: 매출 중 라이선스와 엔지니어링 서비스 비중은 얼마인가? 현장별 미세조정 없이 고객이 보는 성공률은? 논문이 아닌 양산 현장에서 새 과제 하나에 시연이 몇 건 필요한가?
국내 대기업 로봇 조직에: 몇 대 규모의 플릿부터 자체 모델이 라이선스보다 유리한가? 정부 피지컬 AI 사업의 데이터는 국내 스타트업이 공개 체크포인트를 미세조정하는 데 쓸 수 있는 조건으로 풀리는가?