# Jak model zapisuje ruchy robota (tokeny i ciągi akcji)

EN: **Action tokenization and chunking in VLA models** · id `vlaactions` · aliases: action tokenization, action chunking, FAST tokenizer, tokenizacja akcji, porcjowanie akcji robota

Path: [AI Atlas](https://aiatlasgraph.com/llms.txt) › [Robotyka i embodied AI](https://aiatlasgraph.com/t/robotics.md) › [Modele bazowe dla robotów](https://aiatlasgraph.com/t/robotfoundation.md) › [Modele wizja–język–akcja (VLA)](https://aiatlasgraph.com/t/vla.md) › Jak model zapisuje ruchy robota (tokeny i ciągi akcji)

## Description

- PL: Reprezentowanie ciągłych ruchów robota w modelach VLA przez dyskretyzację, kompresję do tokenów i przewidywanie fragmentów trajektorii naraz.
- EN: Representing continuous robot motions in VLA models through discretisation, compression into tokens and prediction of trajectory chunks.

## In one sentence

- PL: Zanim model językowy zacznie sterować robotem, ruchy ramienia trzeba zapisać w postaci, którą model potrafi czytać i przewidywać jak słowa.
- EN: Before a language-style model can drive a robot, arm movements must be written in a form it can read and predict like words.

## Problem it solves

- PL: Zapisanie każdego ruchu osobno sprawia, że model gubi płynność, uczy się wolno i nie nadąża za szybkimi, zręcznymi ruchami.
- EN: Writing every movement separately makes the model lose smoothness, learn slowly and fall behind fast, dexterous motions.

## What it does

- PL: Kompresuje ruch tak jak muzykę w pliku: zamiast każdej próbki zapisuje kształt całego fragmentu, kilka chwil naprzód naraz.
- EN: It compresses motion like music in a file: instead of every sample it stores the shape of a whole stretch, several moments ahead at once.

## Everyday example

- PL: Robot składający koszulkę planuje cały ruch chwytu i strzepnięcia w jednym kroku, zamiast decydować od nowa w każdej setnej sekundy.
- EN: A robot folding a T-shirt plans the whole grab-and-shake motion in one step instead of deciding afresh every hundredth of a second.

## This concerns you if you…

- PL: trenujesz lub dostrajasz model sterowania robotem
- PL: chcesz zrozumieć, jak model tekstowy może poruszać ramieniem
- PL: porównujesz szybkość trenowania różnych polityk
- EN: train or fine-tune a robot control model
- EN: want to see how a text model can move an arm
- EN: compare training speed of different policies

## Keywords

FAST tokenizer · action chunking · discrete cosine transform · BPE · per-dimension binning · pi0-FAST

## How it works

- PL: Najprostsze podejście dzieli każdy wymiar akcji w każdym kroku na przedziały i traktuje je jak tokeny, ale przy szybkich danych kolejne symbole są silnie skorelowane. FAST kompresuje fragment trajektorii dyskretną transformacją kosinusową, kwantuje współczynniki i stosuje BPE, dzięki czemu model autoregresyjny przewiduje krótszy ciąg tokenów akcji.
- EN: The simplest approach bins every action dimension at each timestep and treats the bins as tokens, but consecutive symbols become strongly correlated in high-frequency data. FAST compresses a trajectory chunk with a discrete cosine transform, quantises the coefficients and applies BPE, letting an autoregressive model predict a shorter sequence of action tokens.

## Limits

- PL: Proste przedziały zawodzą przy danych o wysokiej częstotliwości, bo kolejne tokeny są prawie identyczne. Kompresja traci drobne szczegóły ruchu, a długie fragmenty opóźniają reakcję na zmiany sceny. Dekodowanie autoregresyjne bywa wolniejsze niż głowice ciągłe.
- EN: Simple binning fails on high-frequency data because consecutive tokens are nearly identical. Compression loses fine motion detail, and long chunks delay reaction to scene changes. Autoregressive decoding can be slower than continuous heads.

## Key terms

- PL: **fragment akcji (chunk)**: Kilka kolejnych kroków ruchu przewidywanych jednocześnie.
- PL: **DCT**: Rozkład sygnału na składowe częstotliwości, jak w kompresji JPEG.
- PL: **token akcji**: Dyskretny symbol reprezentujący część ciągłego ruchu robota.
- EN: **action chunk**: Several consecutive motion steps predicted at once.
- EN: **DCT**: Splitting a signal into frequency components, as in JPEG compression.
- EN: **action token**: A discrete symbol representing part of a robot's continuous motion.

## Know first

- [Tokenizacja tekstu (BPE, WordPiece, SentencePiece) (Text tokenisation (BPE, WordPiece, SentencePiece))](https://aiatlasgraph.com/t/tokenization.md)

## Related topics

Untyped, symmetric "see also" links.

- [Polityki generatywne (Diffusion Policy, ACT) (Generative action policies (Diffusion Policy, ACT))](https://aiatlasgraph.com/t/diffusionpolicy.md)

## Sources

- [FAST: Efficient Action Tokenization for Vision-Language-Action Models](<https://arxiv.org/abs/2501.09747>) `fast-tokenizer-2025` · by Karl Pertsch, Kyle Stachowicz, Brian Ichter, Danny Driess, Suraj Nair, Quan Vuong, Oier Mees, Chelsea Finn, Sergey Levine

---

AI Atlas revision 122 (2026-10-30) · HTML: https://aiatlasgraph.com/t/vlaactions · index: https://aiatlasgraph.com/llms.txt · everything: https://aiatlasgraph.com/llms-full.txt · updated 2026-10-30