动作分词器

MoEActok：面向视觉-语言-动作模型的基于混合专家的动作分词器

MoEActok: A MoE-based Action Tokenizer for Vision-Language-Action Models

对做视觉-语言-动作模型的研究者，这篇提供了用聚类驱动的 MoE 量化器把连续动作分块离散化成技能感知 token 的方案，可直接替换 VLA 中单一动作分词器，缓解多技能轨迹上的优化折中，并给出仿真与真机零样本迁移的评测设定。