X-Tokenizer：面向 VLA 预训练的多模态动作分词器

把动作 tokenization 重构为语义接口学习，强化对多模态推理的监督。

推荐理由：把机器人动作分词从单纯重建压缩重构为『语义接口学习』——让多模态推理与连续控制之间的监督信号更强，而非只保运动几何。