이 문서들은 로봇공학 분야에서 데이터 수집의 어려운 문제를 다루며, 특히 대규모 언어 모델(VLM) 훈련에 사용되는 인터넷 규모의 데이터와 로봇 훈련에 필요한 데이터 사이의 엄청난 격차를 강조합니다. 현재 로봇 데이터 수집 방식으로는 일반적인 목적의 로봇을 개발하는 데 터무니없이 긴 시간이 소요될 것이라고 지적합니다. 저자는 이러한 "데이터 격차"를 해소하기 위한 여러 접근 방식을 탐구하며, 시뮬레이션이나 인터넷 비디오의 한계를 논하고 있습니다. 궁극적으로 이 문서들은 기존의 엄격한 공학적 방법(GOFE)과 최신 인공지능 기술을 결합하여 실제 로봇이 데이터를 수집하고 학습할 수 있도록 하는 하이브리드 접근 방식을 제안합니다. 이 방법은 Waymo나 Ambi Robotics와 같은 회사들의 성공 사례를 통해 입증된 것처럼 실용적인 솔루션을 제공하며, 장기적으로는 완전히 인공지능 기반의 범용 로봇으로 발전할 수 있는 길을 열어줄 것으로 보고 있습니다.