교차(인터리브) 액션 토큰
Transformer 입력 시퀀스 내에서 3D-wrist, 6D-eef, gripper 토큰을 정해진 순서로 배치하고 attention mask로 결손된 컴포넌트를 처리하는 설계 방식이다. 이 구조는 다양한 데이터 소스가 서로 다른 액션 구성요소를 가질 때 동일 모델이 가변 길이 입력을 처리하도록 허용하며, attention 경로를 통해 브리지드 신호가 실행 가능한 이펙터 동작으로 연결되도록 유도한다. 멀티-임베디드 데이터로 공동학습할 때 손실 계산과 마스킹으로 구성성분별 감독을 분리한다.