VLA 动作离散化问答稿

组会上有人追问 VLA 为什么把动作切成 256 个区间当词来预测，而不是直接回归连续值，明天上午要给一个站得住脚的回答。

【背景】
1. 追问针对 openVLA 这类做法：每个动作维度离散成 256 个区间，按顺序自回归预测。
2. 直接回归连续动作的也有，扩散策略和流匹配就是一次生成一串连续动作。
3. 离散化能复用语言模型的交叉熵目标和下一词预测范式，代价是精度受区间宽度限制。

【目标】
1. 先给结论：两种做法各有取舍，取舍点在训练范式和精度要求。
2. 把取舍拆成三条可比维度：训练难度、动作精度、推理速度。
3. 给出选型建议：哪类任务适合离散，哪类适合连续。

【风格】
1. 用问答体，先复述问题再回答，避免答非所问。
2. 关键结论单独占一行，后面跟两条支撑理由。
3. 参照技术博客的答疑写法，先结论后推演，不铺陈背景。

【语气】
1. 对同组博士生用平等讨论的口吻，可以说我的判断是，不下定论式断言。
2. 不清楚的地方直说没查到可靠数据，不硬圆。
3. 不贬低另一种做法，不用明显更差这类判断。

【受众】
1. 提问者做强化学习控制，熟悉连续动作空间和奖励设计。
2. 他知道扩散策略，但不熟悉大模型的逐词预测范式。
3. 他担心换成离散动作后，控制频率和精度会掉。

【输出形式】
1. 输出三段：一句话结论、三条维度对比、选型建议。
2. 对比每行只讲一个维度的两边做法，一行一件事。
3. 全文 500 字以内，末尾给一句可以照读的口头回答。