ComBodied Agents: a New Paradigm of Human-Centric Agentic AI

After an older adult misses a medication dose, a software agent can send another reminder and an embodied agent can bring the medication. Yet neither explains whether the person forgot, is confused, has side effects, or deliberately refused, nor what support is appropriate. This reveals a structural gap in Agentic AI: Digital Agents primarily transform software states, while Embodied Agents transform physical states; neither makes a person's evolving state and agency the primary object of modeling, intervention, and evaluation. We introduce Combodied Agents, a human-centered paradigm that perceives, models, predicts, and supports individual human-state trajectories over time, using software tools, sensors, wearables, robots, and human services as action channels rather than end goals. We unify fragmented capabilities across personal assistants, health agents, AI companions, and adaptive human--AI systems into a closed loop: event-based multimodal perception reconstructs meaningful personal events; longitudinal, correctable memory provides temporal context; Personal World Models estimate future personal states and outcomes under alternative decisions and interventions; and an admissible intervention policy selects proportionate support under consent, uncertainty, safety, reversibility, and user control. Feedback from the person and environment updates the loop. Rather than requiring an exhaustive Human Digital Twin, the framework uses purpose-bounded, uncertainty-aware, user-correctable representations. We organize the design space by human-state targets, relational contexts, and agent roles, and propose scenario-centered evaluation, agency-preservation metrics, benchmark requirements, edge-native personal models, and governance directions. Combodied Agents shift Agentic AI from external task completion toward sustained human benefit.

한 줄 요약

Combodied Agents는 인간의 상태와 자율성을 중심으로 한 새로운 Agentic AI 패러다임으로, 개인의 장기적 이익을 지속적으로 지원한다.

핵심 기여도

**Combodied Agents**라는 새로운 패러다임 제안: 인간의 상태 변화를 모델링하고, 지원하는 AI 시스템.
**Personal World Models (PWM)**를 통해 미래 개인 상태와 결과를 예측하고, 개입을 계획.
**Admissible Intervention Policy**를 통해 사용자 동의, 안전, 역가능성 등 제약 하에 적절한 지원 선택.
**Edge-native personal models**과 **purpose-bounded, uncertainty-aware, user-correctable representations**를 사용해 과도한 디지털 트윈 필요성 회피.

핵심 아이디어

기존의 Digital Agents와 Embodied Agents는 각각 소프트웨어 상태와 물리 상태를 중심으로 설계되어 인간의 진화하는 상태와 자율성을 고려하지 못한다. 이는 사용자가 약물 복용을 놓쳤을 때, 그 원인을 파악하거나 적절한 지원을 제공하지 못하는 한계를 드러낸다. Combodied Agents는 인간의 상태 변화를 중심으로 모델링하고, 이에 따라 장기적 이익을 지속적으로 지원하는 새로운 패러다임이다. 이 시스템은 **event-based multimodal perception**, **longitudinal and correctable memory**, **Personal World Models**, **admissible intervention policy**로 구성된 **closed-loop**을 통해 개인의 상태를 추적하고, 적절한 개입을 선택한다. 핵심은 AI가 인간의 판단과 능력을 향상시키는 데 기여하는 것이다.

기술적 접근법

**Event-based multimodal perception**: 의미 있는 개인 이벤트를 재구성.
**Longitudinal and correctable memory**: 시간적 맥락을 제공.
**Personal World Models (PWM)**: 장기 이벤트 증거와 현재 맥락을 기반으로 미래 개인 상태와 결과를 예측.
**Admissible intervention policy**: 동의, 안전, 역가능성, 사용자 제어 등의 제약 하에 비례적 지원 선택.
**Edge-native personal models**: 클라우드 대신 엣지에서 개인 모델 유지.
**Purpose-bounded, uncertainty-aware, user-correctable representations**: 과도한 디지털 트윈 필요 없이 목적에 맞는 표현 사용.

주요 결과

**Engagement**는 성공 기준이 되지 않음.
**Learning gain, adherence, health risk reduction, emotional resilience, social reintegration, goal alignment, harm prevention, reflective clarity** 등 다양한 결과 지표 제시.
**Combodied Agents**는 **task completion** 중심에서 벗어나 **longitudinal human gain**을 최적화 목표로 설정.

의의 및 한계

Combodied Agents는 인간 중심 AI의 핵심 원칙을 구현하는 데 기여하며, 사용자의 판단, 능력, 자율성을 장기적으로 향상시키는 방향으로 AI를 설계할 수 있다. 특히, **Personal World Models**와 **admissible intervention policy**는 기존 시스템에서 부족했던 인간 상태 예측과 안전한 개입을 가능하게 한다. 그러나 인간의 생리, 인지, 행동, 관계, 맥락은 다양한 시간 스케일에서 복잡하게 상호작용하며, **sensing**, **model validation**, **privacy**, **governance** 등의 기술적·윤리적 도전이 여전히 존재한다. 또한, **holistic, high-fidelity twin**은 여전히 달성되지 않은 목표이다.

실용적 활용

Combodied Agents는 **건강 관리**, **교육**, **정서 지원**, **고위험 결정 지원** 등에서 활용 가능하다. 특히 **약물 복용, 학습, 판단, 관계 형성** 등에서 사용자의 자율성과 능력을 향상시키는 데 기여할 수 있다. **Edge-native 개인 모델**은 개인 정보 보호와 실시간 반응을 요구하는 상황에서 유리하다.