[论文解读] 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 0

一句话总结

本论文主张具身科学并引入 PLAD（Perception–Language–Action–Discovery 感知–语言–行动–发现）框架，通过闭环的具身AI实现长时域的自主科学发现。

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.

研究动机与目标

• 将具身科学定义为基于真实实验互动、闭环、长时域的发现范式。
• 将具身代理AI描述为具备自治性、具身性和长时域持续性的持续性 cyber–physical 科学代理。
• 论证当前以推理为中心与以执行为中心的 AI4S 方法在持续发现方面在结构上不足以实现长期探索。
• 提出 PLAD 循环（Perception–Language–Action–Discovery）作为端到端框架，耦合仪器信号、推理、行动与发现。

提出的方法

• 给出统一的 PLAD 框架，将对仪器信号的感知、基于语言的推理（结合知识与工具）、具身实验室行动，以及对新科学洞见的发现联系起来。
• 详细说明感知如何利用仪器数据和实验状态来支撑推理的落地。
• 描述语言在基础模型、知识图谱、检索增益生成，以及用于证据收集与假设检验的工具中的作用。
• 解释行动作为在空间受限或不受限的实验室环境中的具身执行，包括类人与移动具身。
• 将发现定义为将执行结果内化以改进假设、模型和未来探索循环。

实验结果

研究问题

• RQ1 如何将科学发现框定为一个闭环过程，持续耦合感知、推理与行动？
• RQ2 实现长时域自主发现所需的 Agentic Embodied AI 的基本组件与特性有哪些？
• RQ3 为何现有的非具身或以执行为中心的方法不足以实现持久的科学探索？
• RQ4 如何在多种实验环境中实例化 PLAD，以实现假设、设计、执行与修订的持续循环？

主要发现

• 当前 AI4S 方法大多分为以推理为中心或以执行为中心的范式，难以维持长时域的自主发现。
• 具身科学将发现重新框定为一个闭环过程，整合感知、基于语言的推理、具身行动与发现。
• PLAD 提供一个模块化框架，其中仪器扩展感知、LLMs 与知识/工具实现扎根推理，具身行动将干预固定在实验室中。
• 长时域自治需要将认知根植于仪器派生的信号，并将计划执行与真实实验室反馈相连。
• 示例展示 PLAD 如何在酶设计与化学反应优化中实例化，以实现感知、推理、行动与发现的循环。