IG-VLA：内化时空想象的VLA推理框架

研究团队提出 IG-VLA 框架，让视觉-语言-动作（VLA）模型在视觉表征空间直接想象任务相关的未来场景演变，并通过 Scene Gist Memory 将推理结果内化为紧凑的 Scene Gist Token，从而在推理时跳过显式的未来想象步骤。 据作者 Shenglan Li 等人称，该框架的目标是让模型“想象未来并内化要点”，以提升 VLA 推理效率。目前公开信息仅来自论文摘要，尚未见实验数据或第三方验证。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。