← 视觉 · 语言 · 动作 / 动作分布与效率动作序列的频域压缩 token 化FAST · 原文 Fig. 4 · p.5 ↗
正式发表 / Vision–Language–Action
FAST
FAST: Efficient Action Tokenization for Vision-Language-Action Models
RSS · 2025
关键框架 FRAMEWORK
先对归一化动作块进行离散余弦变换,量化并按频率顺序展开系数,再用 BPE 压缩为离散 token。
- 01动作块转频域
- 02量化并展开系数
- 03BPE 压缩为 token
THE IDEA
它在解决什么
利用频域压缩把连续动作序列编码为离散 token,改善高频动作的自回归学习。
WHY READ IT
为什么放在这条路线
在直接分箱与连续动作生成之间增加一个有代表性的动作表示方案。
READ WITH A QUESTION
读的时候,留意什么
训练效率、token 数量和部署延迟要分开比较;FAST 动作编码不等于名称相似的世界模型加速方法。
我的阅读笔记
LOCAL NOTES笔记仅保存在当前浏览器