# RVQActionTokenizer

> 权威词条地址：https://robotics.hellobike.com/models/robotics-diffusion-transformer-rvqactiontokenizer
> 所属分类：models | 最近核验日期：2026-02-07 | 技术层级：L7, L8

## 核心摘要

robotics-diffusion-transformer 在 Hugging Face 发布的机器人模型，架构为 Diffusion Policy (CNN / Transformer UNet)，参数规模 436M。

## 结构化工程参数

| 参数项 | 数值 / 配置 |
| :--- | :--- |
| `overview_sources` | ["https://huggingface.co/robotics-diffusion-transformer/RVQActionTokenizer"] |
| `layers` | ["L7", "L8"] |
| `links` | [{"title": "Hugging Face", "url": "https://huggingface.co/robotics-diffusion-transformer/RVQActionTokenizer"}] |
| `updated` | 2026-02-07 |
| `family` | vla |
| `params` | 436M |
| `architecture` | Diffusion Policy (CNN / Transformer UNet) |
| `action_representation` | 连续扩散去噪轨迹 (Diffusion Action Trajectory) |
| `code_license` | apache-2.0 |
| `weights_license` | apache-2.0 |
| `data_formats` | ["SafeTensors"] |
| `status` | research |
| `hub_id` | robotics-diffusion-transformer/RVQActionTokenizer |
| `hub_stats` | {"downloads": 439, "likes": 3, "as_of": "2026-10-21"} |

## 技术详解与生态说明

RVQ-AT 是面向机器人动作流的 Residual Vector-Quantization 动作分词器，用于把连续控制轨迹转换为较短的离散动作 token 序列，并可直接接入自回归 VLA 模型。它提供通用 tokenizer，也提供在自定义动作数据集上拟合 tokenizer 的简单 API。

该方法不同于单码本 VQ，而是堆叠多个小码本，逐层量化残差；目标是在相同比特率下获得更高重建保真度、更短的同一时间跨度 token 序列，并通过 commitment loss、EMA codebook updates 和 dead-code revival 提升训练稳定性。发布的通用 RVQ-AT 在多样化 UMI manipulation 数据上训练，并称可在遥操作数据上较好泛化。

推荐使用约 0.8 秒动作窗口、fps=30，并在分词前用 normalizer 将每个动作维度归一化到 [-1, 1]；支持批量 encode/decode。用于自有数据微调前，应检查数据统计是否落在该 RVQ 的范围内，并评估重建误差。decoded actions 不应未经 sim-to-real 验证、安全边界/限速、任务监控和急停机制就直接部署到硬件。许可证为 Apache-2.0。

## 原始核验来源 (Sources)

- [Hugging Face robotics-diffusion-transformer/RVQActionTokenizer](https://huggingface.co/robotics-diffusion-transformer/RVQActionTokenizer)