近年、連続ロボット動作を離散トークンにマッピングするアクショントークナイゼーションは、現代の視覚運動ポリシーにおいて重要なインターフェースとなっています。しかし、既存の手法には、解析的離散化手法が過度に長いトークン系列を生成する問題や、学習された潜在トークナイザが構造を欠き下流ポリシーとの互換性を制限する問題がありました。そこで、複数の研究機関の研究者らは、高圧縮、完全復号可能性、順序付けられたトークン空間という3つの要件を同時に満たす新しい手法「Ordered Action Tokenization (OAT)」を提案しました。
OATの核心は、レジスタ付きトランスフォーマー、有限スカラー量子化（FSQ）、および順序誘導学習メカニズムを活用して、連続動作チャンクを順序付けられたトークン系列に離散化することです。各トークンプレフィックスが有効な動作チャンクに復号できるように訓練することで、OATは初期トークンに粗い制御情報を配置し、後続トークンで残差詳細を精緻化します。この設計により、推論時に計算コストと動作忠実度の間で任意の時点でのトレードオフが可能となり、一部のトークンのみを使用して近似動作を高速に取得したり、全トークンを使用して正確な動作を得たりできます。
研究チームは、トークンの2つの主要な利用法、すなわち制御のためのトークンを生成する自己回帰ポリシーと、トークン損失を利用してフローベース動作エキスパートが消費する視覚言語モデルコンテキストを形成するトークン共訓練ポリシーにおいて、OATの有効性を検証しました。実験は、拡散ポリシー、行動クローニング、フローベースのポリシーという3つの異なるポリシーバックボーンにわたり、MetaWorld、Adroit、Robosuiteなどの5つのシミュレーションベンチマークと実世界の把握操作タスクを含む60以上のタスクで実施されました。結果は、OATがすべての設定で一貫して強力なポリシー性能を維持し、推論時にはるかに高い柔軟性を提供することを示しました。
本研究はarXivプレプリント（arXiv:2607.21670）として2026年7月23日に公開され、Chaoqi Liuら7名の著者によるものです。OATはロボット学習分野に新しい効率的な動作表現手法を提供し、推論時の適応的計算の可能性を開きます。今後の研究では、より複雑なタスク（長時間操作など）や異なるハードウェアプラットフォームへの応用、大規模視覚運動モデルへの統合が期待されます。