← Docs hub

A2A Research Paper Topics

이 문서는 현재 SK-Intellix wiki에 정리된 A2A, Speech-LLM, DeviceAgent TaskManager, memory, context-aware, reactive/proactive 작업을 논문 주제로 분해한 것이다.

Planner와 의미 축 조정, context-aware routing을 외부 연구 프레임과 연결하는 읽기 자료는 A2A Planner Research Reading List에서 본다. 이 문서는 SayCan, LLM-Planner, intent/slot filling, clarification, OOD detection, decision-boundary calibration을 현재 A2A Planner와 매핑한다.

Planner/Runtime/TaskManager의 feedback을 강화학습 유사 개선 루프로 해석하는 기획/구조 관점은 A2A RL-Like Feedback Improvement Opportunities에서 본다.

핵심 관점은 하나다.

현재 작업은 단순 음성 명령 라우터가 아니라, STT 기반 사용자 발화, 과거 대화 맥락, 현재 기기 상태, 실행 중 task event를 함께 해석해 로봇/기기 행동을 계획하는 Speech-LLM 기반 의사결정 제어 계층이다.

1. 전체 논문 포트폴리오

2. 1순위: 시스템 논문

후보 제목

Context-Aware Agent-to-Agent Planning for Speech-Driven Device Robots

주장

음성 기반 로봇/기기 제어에서 LLM을 단순 intent classifier로 쓰면 STT noise, context continuation, 복합명령, device state constraint를 안정적으로 다루기 어렵다. 이를 해결하기 위해 preclassifier evidence, registry-grounded candidate pool, main planner LLM, second-pass judge, device task runtime을 분리한 A2A planning architecture가 필요하다.

예상 기여

실험 설계

3. 2순위: Planner 논문

후보 제목

Evidence-Axis Preclassification and Pairwise Second-Pass Judging for Noisy Speech Routing

핵심 아이디어

preclassifier는 의미를 최종 판단하지 않는다. 대신 아래 판단 축을 만든다.

device action axis
schedule axis
device knowledge axis
public information axis
conversation axis
stt-null risk axis
unsupported execution axis

LLM planner는 이 축별 evidence와 registry/candidate pool을 보고 dominant first-response direction을 고른다. 애매한 DEF/STT_NULL/FRG 회색지대는 pairwise judge로 좁게 다시 판단한다.

예상 기여

• keyword rule과 LLM-only routing 사이의 중간 구조 제안
• STT noise 환경에서 STT_NULL을 과대/과소 판단하지 않기 위한 second-pass 구조
• route family accuracy뿐 아니라 acceptable ambiguity와 naturalness를 함께 보는 평가 기준

실험 설계

4. 3순위: TaskManager 논문

후보 제목

Event-Driven Task Orchestration for LLM-Planned Device Workflows

핵심 아이디어

LLM planner가 만든 복합명령 step을 매번 Cloud에서 직접 실행 판단하면 latency와 token cost가 커진다. 대신 DeviceAgent 내부에 TaskManager를 두고, task/workflow/event/reason lifecycle을 로컬에서 관리한다. Cloud는 최초 plan과 재계획이 필요한 이벤트에만 개입한다.

구현 근거

실험 설계

5. 4순위: Memory/Proactive 논문

후보 제목

Temporal Context Modeling for Reactive and Proactive Speech-LLM Robots

핵심 아이디어

현재 A2A는 과거와 현재 context를 다룬다.

과거: 대화 history, voice context, workflow/task event history
현재: Device Planning Context, task queue, battery, map, movement, cleaning state
미래: 변화량/추세 기반 예측 context

미래 방향은 변화량을 context로 만들어 proactive decision gate에 넣는 것이다.

예:

battery_delta = -8% / 10min
movement_failures_recent = 2
predicted_battery_after_workflow = 8%
risk = workflow_completion_unlikely

실험 설계

6. 논문 작성 우선순위

7. 논문별 필요한 추가 evidence

8. 지금 기준 결론

현 상태에서 바로 논문화 가능한 것은 하나의 대형 시스템 논문과 두 개의 모듈 논문이다.

1. A2A Speech-LLM System Paper
2. Planner / STT Noise Routing Paper
3. DeviceAgent TaskManager / Event-Driven Replanning Paper

이 세 편은 같은 시스템을 서로 다른 추상화 수준에서 설명한다. 시스템 논문은 전체 철학과 구조를 설명하고, Planner 논문은 판단 품질을, TaskManager 논문은 실행 안정성과 비용 절감을 다룬다.