TL;DR — 자율회귀(autoregressive) VLA(vision-language-action) 모델에서 액션 토크나이저는 연속적인 로봇 명령을 이산 토큰으로 압축하고, 예측된 토큰을 다시 실행 가능한 명령으로 복원하는 핵심 인터페이스다. 기존 토크나이저는 MSE 같은 점별(pointwise) 재구성 오차만 줄일 뿐, 데모 사이의 “미세한 조정(adjustment)“이 압축 후에도 보존되는지는 보지 못했다. 이 논문은 복원된 액션 공간에서 물리적 거리의 순위가 보존되는 정도를 측정하는 PRC(Physical Rank Consistency) 를 새로 정의하고, 표현 학습과 양자화를 함께 감독해 그 관계를 보존하는 ActionPiece 를 제안한다. 동일한 Qwen3-VL-4B 정책 학습 환경에서 LIBERO 94.8% , 미학습 LIBERO-Plus 68.8% 로 최고 성능을 달성했다 (근거: Abstract, Table 1).

Action Tokenization on Jaehun's Blog

ActionPiece: Rethinking Action Tokenization for Autoregressive Vision-Language-Action Models

ActionPiece: 재구성 오차 너머, 물리적 순위로 액션 토크나이제이션을 다시 생각하다