NORA: 하드웨어 엔지니어링 기반의 자율 연구 에이전트 - 엔드 투 엔드 공간 데이터 과학을 위한 시스템

NORA: A Harness-Engineered Autonomous Research Agent for End-to-End Spatial Data Science

인공 지능 분야에서 과학 연구 워크플로우의 자동화는 혁신적인 발전이지만, 기존의 자율 연구 에이전트는 대부분 도메인에 구애받지 않으며, 엄격한 공간 데이터 과학을 수행하기 위해 필요한 특수한 추론, 방법 선택 및 데이터 획득 능력이 부족합니다. 본 논문에서는 GIScience 및 공간 데이터 과학을 위해 특별히 설계된 하드웨어 엔지니어링 기반의 다중 에이전트 자율 연구 시스템인 NORA (Night Owl Research Agent)를 소개합니다. NORA는 21개의 도메인 특화 워크플로우 스킬, 9개의 전문 하위 에이전트 및 맞춤형 모델 컨텍스트 프로토콜 (MCP) 서버를 포함하는 스킬 우선 아키텍처를 통해 전체 연구 라이프사이클을 관리합니다. 이 시스템의 핵심은 두 가지 새로운 도메인 특화 스킬입니다. 하나는 탐색적 공간 데이터 분석, 공간 회귀 및 진단을 위한 의사 결정 프레임워크를 인코딩하는 공간 분석 스킬 유닛이고, 다른 하나는 신뢰할 수 있는 지리 공간 데이터 소스에서 재현 가능한 데이터 획득을 지원하는 공간 데이터 다운로드 스킬입니다. 본 논문에서는 과학 연구 에이전트에 대한 하드웨어 엔지니어링 개념을 공식화하고, 라이프사이클 훅, 안전 장치, 생성기-평가기 분리, 인간 개입 및 상태 유지 기능을 통해 안정적이고 재현 가능한 자율 연구를 보장하는 방법을 보여줍니다. 6명의 도메인 전문가와 3명의 LLM 리뷰어가 7가지 측면 (혁신성, 품질, 엄격성 등)에서 NORA에 대한 사례 연구를 수행했습니다. 결과는 도메인 특화 하드웨어 엔지니어링이 일반적인 에이전트 구성과 비교하여 연구 결과의 효율성과 품질을 크게 향상시킨다는 것을 보여줍니다.

The automation of scientific research workflows has emerged as a transformative frontier in artificial intelligence, yet existing autonomous research agents remain largely domain-agnostic, lacking the specialized reasoning, method selection, and data acquisition capabilities required for rigorous spatial data science. This paper introduces NORA (Night Owl Research Agent), a harness-engineered, multi-agent autonomous research system purpose-built for GIScience and spatial data science. NORA orchestrates the complete research lifecycle through a skills-first architecture comprising 21 domain-specialized workflow skills, 9 specialist sub-agents, and custom Model Context Protocol (MCP) servers. Central to the system's design are two novel domain-specialized skills: a spatial analysis skill unit that encodes decision frameworks for exploratory spatial data analysis, spatial regression, and diagnostics; and a spatial data download skill that supports reproducible acquisition from authoritative geospatial data sources. We formalize the concept of harness engineering for scientific research agents, demonstrating how lifecycle hooks, safety gates, generator-evaluator separation, human-in-the-loop, and state persistence ensure reliable and reproducible autonomous research. We evaluate NORA through case studies by 6 domain specialists and 3 LLM reviewers across seven dimensions (novelty, quality, rigor, etc). Results demonstrate that domain-specialized harness engineering substantially improves the efficiency and quality of research output compared to general-purpose agent configurations.