FAST技术给机器人学习带来了新的变革，它通过压缩动作序列来提高机器人学习效率。在加州大学伯克利分校、斯坦福大学和Physical Intelligence公司的共同努力下，FAST技术于2025年成功研发出来。这项技术让我们能像压缩音乐文件一样，把复杂的机器人动作变成简洁高效的表示。FAST技术用离散余弦变换（DCT）来分析动作的频域特征，通过保留主要趋势并舍弃细节来实现高效压缩。字节对编码（BPE）进一步减少了信息量，通常只用30-60个标记就能描述传统方法需要几百个标记的内容。为了证明其有效性，研究团队创建了一个合成数据集来模拟复杂动作预测任务，结果显示FAST在所有频率下都保持高性能。他们还开发了FAST+标记器，这个工具能在包含100万个真实动作轨迹的大规模数据集上训练，并处理不同设备的动作数据。在实际应用中，FAST让机器人在衣物折叠任务中流畅执行，还在DROID数据集上实现了零样本评估。与传统方法相比，FAST与视觉语言动作模型结合使用时能在缩短5倍训练时间的同时达到同等性能。尽管有推理速度较慢的缺点，但研究团队认为可以利用大语言模型领域的技术来改进。总之，FAST帮助机器人理解动作本质特征，为构建通用智能奠定了基础。这个方法也可能启发其他领域如自动驾驶和游戏AI的研究。FAST让机器人不再逐个记住每个细节，而是像音乐家理解音乐结构一样掌握动作规律。 【注】：虽然这次技术在许多方面表现出色，但也有局限性存在。比如推理速度不够快这个问题，不过研究人员表示以后可以借助大语言模型领域的经验来解决它。这个技术为未来创造更多可能性，让我们期待着更多应用场景的到来吧。