본 논문은 인지 과정에 대한 인식과 조절을 의미하는 메타인지가 미지의 상황에서 자율 에이전트의 적응 능력 향상에 필수적임을 주장한다. 이를 위해 자기 평가와 자기 조절의 메타인지 과정을 자율 에이전트에 통합하는 MUSE (Metacognition for Unknown Situations and Environments) 프레임워크를 제안한다. MUSE는 세계 모델링과 대규모 언어 모델 (LLM)을 활용한 두 가지 구현 방식을 제시하며, 에이전트가 주어진 과제에 대한 자신의 능력을 지속적으로 평가하고 이 평가를 기반으로 전략 선택을 반복한다. 실험 결과, MUSE 에이전트는 모델 기반 강화 학습 및 순수 프롬프트 기반 LLM 에이전트보다 새로운 환경에서 더욱 효과적으로 문제를 해결하며, 높은 능력 인식과 자기 조절 능력을 보였다.
