论文记录 · 证据边界公开

FAST: Efficient Action Tokenization for Vision-Language-Action Models

Robotics: Science and Systems 2025 · 2025-01-16 · 通用或轻量 VLA

论文元数据

作者: Karl Pertsch、Kyle Stachowicz、Brian Ichter、Danny Driess、Suraj Nair、Quan Vuong、Oier Mees、Chelsea Finn、Sergey Levine
机构: Physical Intelligence、University of California, Berkeley、Stanford University
发布日期精度: 日
研究方向: 通用或轻量 VLA
机器人: 未关联具体机器人
DOI: 10.15607/RSS.2025.XXI.012
arXiv: 2501.09747
arXiv 当前版本: 1
arXiv 最近修订: 2025-01-16
arXiv 主分类: cs.RO
引用元数据: 31
记录状态: included
质量检查: 无自动质量红旗

工程资源状态

代码: 已终审官方代码（开放范围与依赖见下）
权重: 已终审官方权重（模型卡与使用边界见下）
数据: 未核验
许可证: 制品许可证已逐项核验（不等于可商用）

当前实践优先级

高潜待持续验证 · 77/100 · 13–24 个月

研发注意力：58/80 · 近期跨域高潜·社区待验证

工程落地：14/15 · 量化实机证据＋工程实用增量

标准分类标签：主流技术2.0、社区验证、可能成为新主流

路线评审说明：动作分词主流技术2.0

社区证据类型：社区真机验证＋反证

FAST把连续机器人轨迹压缩为可由语言模型直接生成的动作token，已成为多条自回归VLA路线的底层表示；开放分词器和LeRobot基准让它可实践，但RTX4090约750ms/块及跨实现token语义修复说明性能与兼容性必须同时评估。

近期窗口 · 18/35
发布距评分基准日 19 个月，落入 13–24 个月窗口。
社区可复查验证 · 21/25
有独立实现、公开LIBERO结果、parity测试和两个具体故障修复，正反证据均可复查。
跨领域技术创新 · 19/20
频域压缩、BPE式离散化、语言模型自回归和多频率机器人控制统一。
量化实机证据 · 9/10
论文覆盖六项实体任务与一项仿真任务，部分任务/数据仍为作者私有。
开放与可复现 · 5/5
固定revision的Apache-2.0 tokenizer、processor和配置真实开放。
工程实用增量 · 5/5
训练GPU小时约降5倍且能复用标准LM基础设施，但推理时延是明确取舍。

社区可复查证据：

社区证据 1
独立LeRobot实现报告LIBERO平均82.5并提供训练接口。
社区证据 2
OpenPI parity修复覆盖归一化、大小写、BOS/EOS和解码，暴露旧实现语义差异。
社区证据 3
tokenizer override未传入预处理器的具体回归被单测修复。

证据缺口：统一tokenizer训练数据未整体开放；π0-FAST推理约750ms/块；跨实现语义曾不一致；不同控制空间的tokenizer迁移边界

当前实践分只决定今天的阅读与最小验证优先级；近期、社区验证和跨领域创新合计 80/100，不会把前沿观察条目自动升级成候选或确认里程碑。社区维度只有显式独立证据才能得高分，只有失败记录时必须标为社区反证。

已终审工程资源

官方模型/权重 · 许可证 Apache-2.0 model repository · 最近核验 2026-07-22
依赖：Python、transformers AutoProcessor、SciPy discrete cosine transform、NumPy、pre-normalized robot action chunks, with quantile normalization recommended；硬件/传感器：CPU is sufficient for tokenizer fitting and encode/decode、a GPU is required only for training or serving the downstream VLA、paper policy experiments use static manipulators at 5-50Hz and π0-FAST inference measurements use an RTX 4090；实机证据：The paper evaluates FAST policy training across six physical manipulation settings and one simulated setting; FAST+ itself is a tokenizer artifact, not a downloadable paper policy.、The LeRobot team independently ported π0-FAST, published training/evaluation commands and later reported 82.5% average on LIBERO, while earlier implementation notes documented 30-60% success and token/normalization mismatches.；开放范围/限制：The released object is FAST+ trained on one million real robot action sequences plus code for fitting a new tokenizer. It is not the private 10,000-hour π0-FAST policy training corpus and does not include all paper policy checkpoints. The paper reports up to five-times lower training compute but approximately 750ms per one-second action chunk on RTX 4090, versus under 100ms for diffusion π0.
官方代码 · 许可证 Apache-2.0 repository code; downstream model and source-dataset terms remain separate · 最近核验 2026-07-22
依赖：Python、transformers AutoProcessor、SciPy discrete cosine transform、NumPy、pre-normalized robot action chunks；硬件/传感器：CPU is sufficient to fit and run the tokenizer itself、GPU requirements belong to the downstream VLA training or serving stack；实机证据：The code implements the action tokenizer evaluated by the paper across six physical manipulation settings; it is not a complete physical policy or robot driver.；开放范围/限制：This record verifies tokenizer source availability separately from the serialized FAST+ tokenizer artifact. It does not include π0-FAST policy training code, paper checkpoints, complete training data or robot deployment packages.

“官方”表示归属与论文关系已核验；仍应按所列依赖、硬件和许可证复现。

关系纠错与反面证据

已移除误标来源条目 · 已纠错链接
旧里程碑标签没有“论文”字样，历史构建把RSS DOI误推断为项目页。该URL是正式论文出版标识；publisher与paper关系已由元数据终审保留。；最近核验 2026-07-22

纠错前关系仅作为审计证据保留；精确纠错不会删除同一 URL 上仍然成立的其他关系。

原始来源

最近核验：2026-07-22。链接存在不等于官方仓库、可运行、已开放权重/数据或许可证允许使用。