월드 액션 모델 DYNA-2 / AI 네이티브 스타트업 플레이북

한 줄 핵심

DYNA-2의 핵심은 사람 행동 데이터를 대규모로 모아 월드 액션 모델이 로봇 행동으로 전이되는 스케일링 로우를 보였다는 점이고, 후반부는 AI 네이티브 스타트업이 문서화·컨텍스트 공유·조직 재설계를 통해 직원과 중간관리자의 역할을 재정의해야 한다는 플레이북을 제시한다.

시간별 요약

1. 0:16
   초반에는 Gemini 3.7 Flash, OpenAI·Anthropic의 추론 트레이스 유출 논의, Cursor의 대규모 인수 같은 최신 AI 소식을 훑는다. 특히 추론 요약만 보이던 구조가 디스틸레이션과 보안 리스크로 이어질 수 있다는 점을 짚는다.
2. 18:01
   DYNA-2 소개로 들어가며, 이번 발표의 핵심은 데모보다 원밀리언 휴먼 데이터를 어떤 철학으로 모아 월드 액션 모델을 만들었는지에 있다. 사람 행동 데이터를 충분히 크게 모으면 로봇 행동으로 전이되는 스케일링 로우를 보여 준 것이 가장 중요하다.
3. 24:00
   스케일링 로우의 의미는 데이터·파라미터·연산을 늘렸을 때 성능이 어떻게 변하는지 예측 가능해야 투자와 제품화가 가능하다는 데 있다. Generalist, Ego-Scale, Sunday Robotics 사례를 통해 휴먼 데이터와 로봇 데이터 모두에서 비슷한 경향이 관찰됨을 설명한다.
4. 34:00
   DYNA는 로봇 데이터를 직접 많이 모으기 어려운 상황에서 사람 데이터를 원밀리언 아워까지 모아 로봇으로 전이되는지를 검증했다. 핵심 메시지는 로봇 데이터만으로는 스케일이 잘 안 되는 구간을 사람 데이터가 메워 줄 수 있다는 것이다.
5. 41:01
   DYNA-2의 구조는 비디오 디퓨전 백본과 액션 디코더를 결합한 월드 액션 모델이며, 사실상 Mixture of Transformers 계열로 이해할 수 있다. VLM보다 비디오 모델을 백본으로 쓰는 것이 공간적 이해와 행동 예측에 더 맞는다는 관점이 강조된다.
6. 51:01
   VLA와 월드 액션 모델의 차이는 VLM 기반 행동 예측이냐, 비디오 기반 미래 상상과 행동 생성이냐로 정리된다. 월드 액션 모델은 느릴 수 있다는 우려가 있었지만, 최근에는 충분히 빠르고 실용적일 수 있다는 쪽으로 태세 전환이 이뤄졌다.
7. 1:04:02
   휴먼 데이터 평가는 1인칭 영상에서 손목 좌표와 그리퍼 유사 좌표를 추출해 MSE, MR, Q-Acc 같은 지표로 본다. 단순히 비디오를 보는 것이 아니라 자세·회전·그리퍼 상태까지 정규화해 로봇 행동과 비교 가능한 형태로 바꾸는 과정이 핵심이다.
8. 1:12:00
   제로샷 로봇 평가에서는 학습에 쓰지 않은 로봇 데이터셋에 대해 사람 데이터로 학습한 모델의 전이 가능성을 본다. 완전한 실제 로봇 실행은 아니지만, 원밀리언 휴먼 데이터가 새로운 로봇 작업으로 얼마나 넘어가는지 확인하는 중요한 중간 검증이다.
9. 1:19:01
   가장 중요한 결론은 비디오만 따로 쓰는 것보다 비디오와 액션을 함께 코트레이닝했을 때 스케일링이 더 잘 나온다는 점이다. 액션만 쓰거나 로봇만 쓰는 방식보다 사람 데이터와 비디오를 함께 넣어 브릿지를 만들 때 로봇 정책의 성능이 가장 좋아진다.
10. 1:28:01
    DYNA-1의 VLA와 DYNA-2의 WAM을 비교하면, 초기 VLA보다 월드 액션 모델 쪽이 실제 디플로이와 제로샷 전이에서 더 좋은 성능을 보였다. 다만 인퍼런스 레이턴시, 하드웨어 최적화, 데이터 레시피 차이는 완전히 공정하게 통제된 비교는 아니라는 점도 함께 언급한다.
11. 1:40:00
    다른 로보틱스 접근법들도 결국 사람 데이터를 로봇으로 어떻게 전이할지 고민하고 있다. Pi나 Ego-Scale처럼 휴먼 관절과 로봇 관절을 정합하거나, 코트레이닝으로 사람-로봇 브리지 데이터를 만드는 흐름이 DYNA-2와 같은 방향으로 수렴한다.
12. 1:55:01
    후반부 첫 주제는 YC의 AI 네이티브 스타트업 플레이북이다. 핵심은 '마크다운 파일이 곧 직원'이라는 관점으로, 사람의 판단과 노하우를 문서화·아티팩트화해 에이전트가 읽고 실행할 수 있게 만드는 조직 설계다.
13. 2:03:00
    YC는 수천 시간의 오피스 아워와 파트너 조언을 녹음·정리해 기존 매뉴얼을 업데이트하고 있으며, 그 결과물이 Gstack 같은 내부 플레이북이다. 즉, 좋은 스타트업은 사람의 암묵지를 실시간으로 문서화해 반복 가능한 시스템으로 바꾸는 조직이다.
14. 2:28:00
    AI 네이티브 조직의 형태를 놓고는 애플식 강한 구심점, 구글·Facebook식 분산 구조, Microsoft식 상호 견제 구조가 비교된다. 정답은 없지만, AI가 컨텍스트를 통합해 중간관리자를 줄이는 방향으로 조직을 재설계할 가능성은 분명히 크다.
15. 2:54:01
    실무적으로는 모든 대화와 작업을 아티팩트로 남기고, 사람은 최종 판단과 목표 설정에 집중하는 구조가 더 확장 가능하다는 논의로 마무리된다. 편집·검수·큐레이션처럼 고부가 판단은 사람이 맡고, 반복 가능한 부분은 LLM과 에이전트로 넘기는 방향이 현실적인 전환점으로 제시된다.

실무 인사이트

• 로보틱스 데이터 전략은 '더 많이 모으기'보다 '사람 데이터가 로봇 정책으로 전이되는 스케일링 로우를 먼저 검증하기'가 우선이다.
• AI 네이티브 조직에서는 회의록, 결정 로그, 작업 결과를 아티팩트로 남겨야만 에이전트와 사람이 같은 컨텍스트를 공유할 수 있다.
• 검수·편집·운영처럼 반복적인 판단은 우선 LLM으로 대체하고, 사람은 큐레이션과 최종 의사결정에 집중하는 것이 가장 빠른 생산성 개선 방법이다.