[論文レビュー] Embodied Science: Closing the Discovery Loop with Agentic Embodied AI

Xiang Zhuang, Chenyi Zhou+11 more|arXiv (Cornell University)|Mar 20, 2026

Embodied and Extended Cognition被引用数 0

ひとこと要約

この論文は embodied science を提唱し、PLAD（Perception–Language–Action–Discovery）フレームワークを導入して、閉ループのエージェンティック embodiment AI による長期的な自律的科学的発見を可能にする。

ABSTRACT

Artificial intelligence has demonstrated remarkable capability in predicting scientific properties, yet scientific discovery remains an inherently physical, long-horizon pursuit governed by experimental cycles. Most current computational approaches are misaligned with this reality, framing discovery as isolated, task-specific predictions rather than continuous interaction with the physical world. Here, we argue for embodied science, a paradigm that reframes scientific discovery as a closed loop tightly coupling agentic reasoning with physical execution. We propose a unified Perception-Language-Action-Discovery (PLAD) framework, wherein embodied agents perceive experimental environments, reason over scientific knowledge, execute physical interventions, and internalize outcomes to drive subsequent exploration. By grounding computational reasoning in robust physical feedback, this approach bridges the gap between digital prediction and empirical validation, offering a roadmap for autonomous discovery systems in the life and chemical sciences.

研究の動機と目的

• Embodied Science を現実の実験的相互作用に grounded な閉ループかつ長期的な発見パラダイムとして定義する。
• Agentic Embodied AI を自律性、 embodiment、長期的持続性を備えた持続的なサイバ物理的科学エージェントとして導入する。
• 現行の reasoning-centric および execution-centric な AI4S アプローチが持続的な発見には構造的に不十分である理由を主張する。
• PLAD ループ（Perception–Language–Action–Discovery）をエンドツーエンドのフレームワークとして提案し、 instrument signals、reasoning、action、discovery を結びつける。

提案手法

• 1つの統一された PLAD フレームワークを提示し、instrument signals の知覚、知識とツールを用いた言語ベースの推論、 embodiment 的なラボアクション、そして新しい科学的洞察の発見を結びつける。
• 知覚が機器データと実験状態を用いて推論を地に着ける方法を詳述する。
• foundation models、knowledge graphs、retrieval-augmented generation、証拠収集と仮説検証のツールを用いた言語の役割を説明する。
• 空間的に制約されたまたは制約のないラボ環境での embodiment 的実行としての action の役割を説明し、ヒト型・モバイル embodiment を含む。
• 発見を、仮説・モデル・今後の探究サイクルを洗練するために実行結果を内部化することとして定義する。

実験結果

リサーチクエスチョン

• RQ1 科学的発見を、知覚、推論、行動を持続的に結びつける閉ループプロセスとしてどう定義できるか？
• RQ2 長期的な自律的発見を達成するために必要な Agentic Embodied AI の基本要素と特性は何か？
• RQ3 既存の非 embodiment 的または実行中心のアプローチが永続的な科学的探究には不十分である理由は何か？
• RQ4 PLAD を多様な実験設定に適用して、仮説・設計・実行・改訂の連続的なサイクルを可能にするにはどうすればよいか？

主な発見

• 現在の AI4S アプローチは主に reasoning-centric または execution-centric のどちらかに分かれており、長期的な自律的発見を持続させることに失敗する。
• Embodied Science は発見を、知覚、言語ベースの推論、 embodiment 的行動、発見を統合する閉ループプロセスとして再定義する。
• PLAD はモジュラーなフレームワークを提供し、機器が知覚を拡張し、LLM と知識/ツールが根拠ある推論を可能にし、 embodiment 的な行動が介入を実験室で地に足つける。
• 長期的自律には、認知を機器由来の信号に grounding し、計画の実行を実際のラボのフィードバックと結びつけることが必要である。
• 例として、PLAD が酵素設計と化学反応最適化において、知覚・推論・行動・発見の循環をどのように実現できるかを示す。