[논문리뷰] Automating the Design of Embodied Agent Architectures

링크: 논문 PDF로 바로 열기

메타데이터

저자: Jian Zhou, Sihao Lin, Jin Li, Shuai Fu, Gengze Zhou, Qi Wu

## 1. Key Terms & Definitions (핵심 용어 및 정의)

• Agent Architecture Search (AAS): 외부 최적화 알고리즘을 사용하여 LLM 에이전트의 워크플로우나 아키텍처를 자동 설계하는 기술적 프레임워크입니다.
• AgentCanvas: Embodied 에이전트를 편집 가능한 Typed-Graph로 표현하여, simulator 상에서 실행 및 추적(Logging)이 가능하도록 설계된 Executor Substrate입니다.
• KDLoop (Knowledge Distill Loop): Embodied 환경에서 제안, 비평, 실험, 증류 단계를 순환하며, 특정 개입 축(Intervention axis)을 추적하여 Stall 발생 시 Reflexion을 수행하는 최적화 알고리즘입니다.
• Executor: Embodied 태스크(navigation, manipulation 등)를 실제로 수행하는 Perception, Memory, Planning, Action 모듈의 결합체입니다.

## 2. Motivation & Problem Statement (연구 배경 및 문제 정의) 본 연구는 기존의 수동적인 Embodied 에이전트 아키텍처 설계 방식에서 벗어나, 이를 자동화(AAS)할 수 있는지 검증하고자 합니다 [Figure 1]. 기존 연구는 주로 Text-domain 에이전트에 집중되어 있어, 상태가 존재하고(stateful) 노이즈가 많은 Embodied 시뮬레이터 환경에서의 적용 가능성이 명확하지 않았습니다. 특히, 시뮬레이터 rollout에서 발생하는 평가 노이즈와 구조적 설계 공간의 복잡성은 기존의 텍스트 기반 AAS 기법을 직접 적용하는 데 큰 제약이 됩니다. 따라서 저자들은 기존의 Embodied 에이전트 아키텍처를 'Method-seeded' 방식으로 수정하며 자동 최적화하는 시스템을 제안합니다.

Figure 1 — Embodied AAS 전체 흐름

## 3. Method & Key Results (제안 방법론 및 핵심 결과) 저자들은 Embodied 에이전트를 Typed-Graph로 변환하여 편집을 용이하게 하는 AgentCanvas와 이를 최적화하는 KDLoop를 제안합니다 [Figure 2]. KDLoop는 Think, Critic, Experiment, Distill의 4단계 루프를 통해 에이전트 그래프를 개선하며, 불필요한 탐색을 줄이고 구조적 변화를 체계적으로 추적합니다. 4개의 Executor와 3개의 Embodied 태스크 패밀리에 대해 실험을 진행한 결과, AAS는 Baseline 대비 유의미한 Success-rate(SR) 개선을 보여주었습니다. 특히, MapGPT의 경우 기존 46.9% SR에서 AFlow 적용 시 54.5%, KDLoop 적용 시 54.0%로 향상되는 성과를 거두었습니다 [Table 1]. 또한, 실험 과정에서 평가 노이즈와 Local Optima 문제를 확인하였으며, 단순한 scalar metric 최적화가 아닌 구조적 변화의 효과를 입증했습니다 [Figure 3].

Figure 2 — AAS 방법론 및 코딩 에이전트

Figure 3 — 탐색 궤적 및 성능 변화

## 4. Conclusion & Impact (결론 및 시사점) 본 논문은 Embodied 에이전트 설계 자동화가 단순한 워크플로우 재구성을 넘어 실질적인 성능 향상을 이끌어낼 수 있음을 입증했습니다. 연구 결과는 Embodied AAS가 시뮬레이터 환경의 노이즈와 신용 할당(Credit assignment) 문제에 직면해 있음을 보여주며, 앞으로의 연구 방향이 단순 성능 최적화를 넘어 메커니즘 차원의 귀인(Attribution) 메커니즘을 포함해야 함을 시사합니다. 이 시스템은 향후 복잡한 물리 환경에서 에이전트 아키텍처를 체계적으로 설계하고 배포하는 학계 및 산업계의 자동화 워크플로우 개발에 기여할 것입니다.

⚠️ 알림: 이 리뷰는 AI로 작성되었습니다.