[논문 리뷰] Embodied Science: Closing the Discovery Loop with Agentic Embodied AI

Xiang Zhuang, Chenyi Zhou외 11명|arXiv (Cornell University)|2026. 03. 20.

Embodied and Extended Cognition인용 수 0

한 줄 요약

이 논문은 구현된 과학의 필요성을 주장하고 PLAD(Perception–Language–Action–Discovery) 프레임워크를 도입하여 폐루프 에이전틱 구현 AI를 통해 긴 시계열의 자율적 과학 발견을 가능하게 한다.

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.

연구 동기 및 목표

• 실험적 상호작용에 기반한 폐루프적이고 장기 지평의 발견 패러다임으로서의 '구현된 과학'을 정의한다.
• 자율성, 구현, 장기 지속성을 갖춘 지속적인 사이버-물리적 과학 에이전트로서의 ‘에이전틱 구현 AI’를 도입한다.
• 현재의 추론 중심 및 실행 중심 AI4S 접근 방식이 지속 가능한 발견에 구조적으로 충분하지 않다고 주장한다.
• PLAD 루프(Perception–Language–Action–Discovery)를 엔드투엔드 프레임워크로 제안하여 계측 신호, 추론, 행동, 발견을 연결한다.

제안 방법

• 계측 신호의 지각, 지식과 도구를 갖춘 언어 기반 추론, 구현된 실험실 행동, 그리고 새로운 과학적 통찰의 발견을 연결하는 통합된 PLAD 프레임워크를 제시한다.
• 지각이 계측 데이터와 실험 상태를 이용해 추론을 근거지화하는 방법을 자세히 설명한다.
• 근거 모델, 지식 그래프, 검색 증강 생성, 증거 수집 및 가설 검증 도구를 활용한 언어의 역할을 설명한다.
• 휴머노이드 및 이동 구현을 포함한 공간적으로 제약되거나 제약되지 않는 연구실 환경에서의 구현된 실행으로서의 행동을 설명한다.
• 발견을 실행 결과를 내재화하여 가설, 모델 및 향후 탐색 주기를 다듬는 것으로 정의한다.

실험 결과

연구 질문

• RQ1 과학적 발견을 지각, 추론, 행동을 지속적으로 결합하는 폐루프 프로세스로 어떻게 정의할 수 있는가?
• RQ2 장기적 자율 발견을 달성하기 위한 필수 구성요소와 특성은 무엇인가?
• RQ3 기존의 비실체화(disembodied) 또는 실행 중심 접근 방식이 지속적 과학 탐구에 왜 충분하지 않은가?
• RQ4 다양한 실험 환경에서 PLAD를 어떻게 구현하여 가설, 설계, 실행 및 수정의 연속 주기를 가능하게 할 수 있는가?

주요 결과

• 현재의 AI4S 접근 방식은 대개 추론 중심 또는 실행 중심 패러다임으로 나뉘어 있으며 긴 지평의 자율적 발견을 지속하지 못한다.
• 구현된 과학은 발견을 지각, 언어 기반 추론, 구현된 행동, 발견을 통합하는 폐루프 프로세스로 재구성한다.
• PLAD는 도구들이 지각을 확장하고, LLM 및 지식/도구가 근거 있는 추론을 가능하게 하며, 구현된 행동이 실험실에서 개입을 실제로 기반화하는 모듈식 프레임워크를 제공한다.
• 장기적인 자율성은 인스트루먼트로부터 도출된 신호에 인지의 근거를 두고, 계획 실행을 실제 실험실 피드백에 연결할 것을 필요로 한다.
• 예시는 PLAD가 효소 설계 및 화학 반응 최적화에서 지각, 추론, 행동, 발견의 순환을 어떻게 구현할 수 있는지 보여준다.