इस पत्र में, हम लर्नेबल लेटेंट कोड ऐज़ ब्रिजेज़ (LCB) का प्रस्ताव रखते हैं, जो रोबोट नियंत्रण में उच्च-स्तरीय कार्य योजनाकारों और निम्न-स्तरीय नीतियों के बीच संचार हेतु एक सुपरिभाषित इंटरफ़ेस परत की आवश्यकता को पूरा करने हेतु बड़े पैमाने के भाषा मॉडल (LLM) को एक इंटरफ़ेस परत के रूप में उपयोग करने की सीमाओं को दूर करने का एक नया तरीका है। मौजूदा LLM-आधारित दृष्टिकोणों की सीमाएँ हैं: उन्हें प्राकृतिक भाषा (जैसे, नृत्य मुद्राएँ) में व्यक्त करना कठिन है या डोमेन शिफ्ट और भयावह विस्मरण के कारण स्थानांतरण अधिगम कठिन है। LCB, सीखने योग्य लेटेंट कोड को LLM और निम्न-स्तरीय नीतियों के बीच एक सेतु के रूप में उपयोग करता है, जिससे LLM भाषाई बाधाओं के बिना लचीले ढंग से लक्ष्यों को व्यक्त कर सकते हैं और स्थानांतरण अधिगम के दौरान पूर्व-सीखे गए शब्द टोकन के एम्बेडिंग स्थान को नष्ट किए बिना स्थानांतरण अधिगम को सक्षम कर सकते हैं। भाषा तालिका और केल्विन बेंचमार्क के माध्यम से, हम प्रयोगात्मक रूप से सत्यापित करते हैं कि LCB उन मौजूदा दृष्टिकोणों (GPT-4V सहित) से बेहतर प्रदर्शन करता है जो अनुमान और बहु-चरणीय क्रियाओं की आवश्यकता वाले कार्यों में शुद्ध भाषाओं को एक इंटरफ़ेस परत के रूप में उपयोग करते हैं।
