Laplace Intelligence는 로봇이 도로나 작업장에 들어가기 전에 중대한 오류를 찾을 AI 상대를 만들려 한다. 미시간대에서 나온 회사는 시험 에이전트가 조건을 바꾸고 반응을 관찰해 다시 찾는 대화형 시뮬레이션을 구축한다. 그럴듯한 영상보다 발견한 실패가 현실에서도 중요한지가 핵심이다.
회사는 10월 13~15일 샌프란시스코 TechCrunch Disrupt의 Startup Battlefield 200에서 20개 경쟁사 가운데 접근법을 발표했다. CEO Howie Sun은 약 1년 전 수석 과학자 Henry Liu와 설립해 매출과 소폭 이익, Isuzu·Bot Auto·Nvidia 고객이 있다고 말한다. 금액·계약 기간·유지율은 공개하지 않았다.
초기 상업 관심이지 독립 안전 인증은 아니다. 큰 공급자와 경쟁하려면 고정 시나리오보다 적응형 상대가 더 나은 증거를 제공하면서 물리 검증을 대체하지 않는다는 점을 보여야 한다.
드문 사건을 기다리지 않고 찾는다
레드팀은 실제 사건 전에 의도적으로 약점을 시험한다. 대상은 자율차·창고 로봇·교통 시스템이다. 개발자는 장소를 재구성하고 목표를 넣어 자연어로 조건을 바꾼다.
하나의 정해진 횡단 시험을 반복하는 대신 시점·시야·도로 구조·참가자 행동을 바꾼다. 오후 정체나 특이 운전자, 어려운 교차로는 정책을 깨는 조합이 된다. 목표와 제약은 사람이 정한다.
Sun은 충돌 보고서·뉴스·기록에서 단서를 얻는다고 한다. 실행 사례로 변환하는 것이 자동적인 사실 재현은 아니다. 시점·시야·의도가 빠졌을 수 있어 선택을 기록하고 생성 세부를 관찰 사실로 둔갑시키면 안 된다.
일상 운행은 드문 위험을 비효율적으로 모은다. 2023년 미시간 연구는 자연 조건에서 인간 수준 안전을 보이려면 대부분 평온한 수억 마일이 필요할 수 있다고 했다. 위험 집중은 시험당 정보를 늘리는 것이지 보통 운행이 무의미하다는 말이 아니다.
2023년 Nature 연구는 행동 피드백으로 학습하는 밀집 강화학습으로 안전상 핵심 환경에 집중했다. 평범한 경우를 줄이고 가상 위험과 실제 시험장 차량을 연결했다. 3월 23일 표지에 실렸고 연구한 시나리오에서 여러 자릿수 가속을 보고했다.
별도의 2026년 미시간 근접사고 프로젝트는 Mcity 시험 안전 90% 개선과 필요 주행거리 99.9% 감소를 보고했다. 그 실험 구성의 수치이며 Laplace 상용 제품이나 모든 로봇의 측정 이익이 아니다.
세계 모델은 그리기만 하지 않고 반응해야 한다
TechCrunch는 Nvidia Cosmos 후학습 버전을 쓴다고 보도했다. 후학습은 일반 훈련 뒤 특정 과제로 맞추는 것이다. Cosmos 세계 기반 모델은 텍스트·이미지·영상에서 물리 환경을 생성·예측해 합성 데이터와 시뮬레이션에 사용된다.
Laplace는 지도와 참조를 더한다. Street View는 외형, 지도는 규모와 도로 구조, 교통 데이터는 활동을 지원한다. 예쁜 화면도 불가능한 위치나 비현실 규칙을 포함할 수 있어 근거가 중요하다.
상호작용도 다르다. 대상의 행동이 세계를 바꾸면 다른 참가자가 일관되게 반응해야 한다. 보도된 시연에서 Sun이 차량을 반대 차선으로 보내자 다른 차는 불가능하게 겹치지 않고 피했다.
이 루프 위에서 시험 에이전트는 한계를 이해할 변경을 선택한다. 밀도·속도·시야·타인 행동을 바꾸고 주저함·위반·회복 불가를 보며 다음 장면을 만든다.
이것이 AI로 AI를 시험하는 기제다. 모든 조합을 사람이 예상하지 않는 적응 탐색이지만 양쪽 다 틀릴 수 있다. 위험 누락, 불가능한 위험 생성, 현실에 전이되지 않는 목표 최적화가 약점이다.
재현성이 필수다. 세계 버전·안정 기준·세부 로그로 코드 변경 뒤 같은 실패를 다시 실행해야 한다. 다른 시나리오를 정책 수정으로 오해하지 않고 생성 세계와 로봇 오류를 구분해야 한다.
물리 기계는 증거 책임을 키운다
잘못된 채팅은 꼭 기계를 움직이지 않지만 물리 AI는 인식과 결정을 차량·화물·사람에 연결한다. 날씨·빛·도로 이용자·물체·사람 행동을 사전에 모두 통제할 수 없다.
Liu는 비보호 좌회전과 보행자 양보를 포함한 인간 운전시험 같은 능력시험을 주장했다. 원고는 미국의 강한 제조사 자기 인증과 유럽·중국 일부 상황의 더 직접적인 제삼자 요구를 설명한다. 모든 관할에 같은 법이 있다는 뜻은 아니다.
시험은 최소 능력과 나은 근거를 주지만 모든 사고를 막지 않는다. 고객·보험·규제·배포자는 반복 방법과 이해할 결과가 필요하다. 사실적인 영상만으로 공동 신뢰가 생기지 않는다.
범용 로봇은 자율차보다 구조화 사고 데이터가 적을 수 있다. 창고는 장소와 교대마다 배치·물건·사람·업무가 바뀐다. 막힌 통로·떨어진 화물·갑작스러운 움직임은 고속도로와 다르다.
전이에는 한계가 있다. 차량은 충돌·규칙·개입, 창고는 작업자 거리·낙하·완료·안전 복구를 본다. 성공적인 운전 연구는 소포를 다루는 휴머노이드 검증이 아니다.
전문 방법이 큰 플랫폼 시장에 들어간다
Applied Intuition은 자동차·방위·트럭·장비의 시뮬레이션·검증·데이터·내장 소프트웨어를 제공하는 주요 비교다. 2025년 F라운드는 6억 달러, 기업가치 150억 달러였다. 장기 고객은 역사·지원·보안 심사·통합을 중시한다.
Laplace가 모든 시뮬레이터를 바꿀 필요는 없다. 기존 시험이 놓친 중요한 실패가 실용적 입구다. 프로젝트 계약은 학습·매출을 주지만 맞춤 인력에 의존할 수 있다. 회사는 버전 간 지속 시험과 반복 소프트웨어 매출을 원한다.
Sun은 Nvidia를 고객으로 꼽는다. Laplace·Nvidia·T-Mobile은 산호세 무료 스마트시티 시험에서 고수준 교통 운영도 다루고 창고 휴머노이드를 탐색한다. 무료 시험은 공개된 유료 계약이 아니며 탐색은 광범위 배포 증거가 아니다.
Waabi World는 모든 개발자용 중립 계층이 아니라 Waabi 자체 트럭용이다. 구매자는 내부 시뮬레이션·넓은 플랫폼·공개 도구·전문 레드팀을 함께 쓸 수 있다.
Nvidia는 Cosmos 공급자, 주장된 고객, 시험 파트너라는 기회이자 의존이고 경쟁자에게도 도구를 준다. 큰 업체와 내부 팀도 자동 상대를 추가할 수 있다. Laplace는 새로움뿐 아니라 모델 위의 차별화 검색 지능과 통합을 가져야 한다.
실패 시나리오는 민감 지식재산이다. 약점을 넘기기 전 소유·접근 규칙도 필요하다. 초기 프로젝트 이익은 지불 의사이지 확장 가능한 반복 경제성 증명이 아니다.
현실 격차가 시험의 가치를 결정한다
시뮬레이션은 센서·물리·인간을 단순화한다. 사실적인 보행자가 불가능하게 움직이거나 교통이 지역 관행을 어길 수 있다. 지도와 반응은 도움이 되지만 물리 시험을 없애지 않는다.
극적인 충돌 보상은 반복 주저함·불편 동작·작업 차단·나쁜 대체 행동을 놓칠 수 있다. 무한 오탐을 조사할 수 없어 개연성·심각도·새로움·재현성 순위가 필요하다. 유한 탐색은 익숙한 위험만 반복하고 가정 밖 상호작용을 놓칠 수도 있다.
가장 강한 증거는 알려지지 않은 가상 실패를 물리적으로 재현하고 새 문제 없이 수정하는 것이다. 독립 평가자·시험장·대학·보험·중립 기관이 생성·기록·인간 설계 사례를 비교할 수 있다.
상업 신호 세 가지도 여기서 나온다. 프로젝트의 지속 사용 전환, 가상 발견과 물리 결과의 공개 연결, 큰 플랫폼 대응 뒤 남는 장기 우위나 통합 역할이다.
실제 시험의 대체를 증명할 필요는 없다. 더 나은 물리 실험 선택을 돕는 것이 믿을 만하다. 중요한 약점 하나가 새 시험을 정당화하려면 재현 가능하고 그럴듯하며 화면 밖에서도 의미가 있어야 한다.