FAST

最先进的扩散式 VLA 模型（如 $π_0$ 模型）尽管在复杂任务中表现优异，但其训练过程需要大量计算资源（数千 GPU 小时）。

提出了 FAST，一种高效的 action tokenizer，在压缩效率和动作生成精确性之间实现了良好的平衡。

FAST 通过离散余弦变换（DCT）和字节对编码（BPE）对动作块进行压缩，在多个机器人领域中显著优于现有的动作标记方法。

本文进一步扩展了 FAST，提出了 FAST+，一种通用动作标记器，适用于多种机器人形态和任务，训练出 $π_0$-FAST 效率显著提高。