IG-VLA：内化时空想象的VLA推理框架

Shenglan Li 等提出 IG-VLA，一个视觉-语言-动作（VLA）推理框架：通过 Latent Spatiotemporal Reasoning 在视觉表示空间中想象任务相关的未来场景，并用 Scene Gist Memory 把场景—行为关联压缩为紧凑 Token，从而内化想象、提升推理效率。 作者称在 LIBERO、LIBERO-Plus 和 VLABench 上的大量实验验证了框架的有效性和效率；其 gist 策略相对基线最高取得 6.38 倍加速，在单张 NVIDIA A6000 GPU 上把每个动作块的推理延迟从 1081ms 降至 169.5ms。上述为论文声称的结果，本说明基于论文摘要。

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。