본 논문은 Text-to-Decision Agent (T2DA)라는 새로운 프레임워크를 제안합니다. T2DA는 고품질 샘플이나 사전 탐색 없이 자연어를 통해 다양한 작업에 대한 일반적인 정책 학습을 감독하는 방식으로, 기존 강화학습(RL) 시스템의 한계를 극복합니다. 다중 작업 의사결정 데이터를 역동성을 고려한 임베딩 공간으로 인코딩하는 일반화된 세계 모델을 사용하고, CLIP에서 영감을 받아 대조 학습을 통해 텍스트 설명과 의사결정 임베딩 간의 의미적 차이를 해소합니다. 훈련된 에이전트는 자연어 명령에 따라 제로샷 텍스트-투-의사결정 생성을 수행할 수 있습니다. MuJoCo와 Meta-World 벤치마크 실험 결과, T2DA는 다양한 기준 모델보다 우수한 제로샷 일반화 성능을 보여줍니다.
