ActionPiece: Rethinking Action Tokenization for Autoregressive VLAs

ActionPiece重新思考自回归VLA模型中的动作分词问题，通过表示学习和量化的联合监督保持物理动作关系。物理秩保持监督编码器和量化特征距离中的近远排序，量化正则化将相同排序应用于码字分配分布。两个目标增强重构，为标准自回归策略学习生成离散动作token，并通过冻结解码器执行。在相同Qwen3-VL-4B策略训练设置下，ActionPiece在多个基准上达到94.8%的成功率，显著优于现有动作分词方法，适用于自回归VLA策略学习和动作表示研究。