LACY는 로봇 조작을 위한 일반화 가능한 정책을 학습하기 위해 제안된 프레임워크입니다. 이 프레임워크는 언어 지시에서 행동으로의 매핑(L2A)뿐만 아니라 행동에서 언어로의 매핑(A2L)을 함께 학습하는 양방향 접근 방식을 사용합니다. LACY는 L2A, A2L, 그리고 두 언어 설명을 비교하는 L2C 세 가지 작업을 공동으로 학습하며, 이를 통해 자가 개선 사이클을 구축하여 능동적인 데이터 증강 전략을 통해 모델을 개선합니다. 시뮬레이션 및 실제 환경에서의 실험 결과, LACY는 평균 56.46%의 작업 성공률 향상을 보였고, 로봇 조작을 위한 더욱 견고한 언어-행동 연결을 제공했습니다.
