UC伯克利等团队革新具身智能，推出「FAST」动作Tokenizer，训练效率跃升5倍

研究者提出了FAST，一种专为VLA模型设计的高效动作Tokenizer，通过结合离散余弦变换（DCT）和字节对编码（BPE），显著提升了训练速度，并成功应用于复杂机器人控制任务。FAST旨在解决传统动作Tokenization方法在精细任务中的不足，将FAST与π0 VLA结合，在1万小时的机器人数据上训练，效果与最先进的扩散VLA相当，但训练时间缩短5倍。

FAST通过将动作像语言一样用离散Token表示，显著提高了从大规模数据预训练的迁移能力，增强了机器人执行语言指令的能力。研究者还发布了通用机器人动作Tokenizer FAST+，能高效标记各种机器人动作序列。借助FAST，研究者首次在DROID数据集上训练出通用策略，能在新环境中对多种指令实现泛化执行。实验结果显示，FAST+在各种机器人数据集上展现出良好的压缩性能，且自回归π0-FAST模型的表现与扩散π0模型相当，但计算量显著减少。然而，当前模型的推理速度较慢，未来有望通过加速技术改进。