arXiv · Computer Vision· Shenglan Li, Zhendong Mi, Hengyi Zhu, Jingwu Luo, Chun Kit Chan, Geng Yuan, Yanzhi Wang, Pu Zhao, Shaoyi Huang·· 1 天前AI 评分37
IG-VLA：让 VLA 模型内化时空想象，实现高效推理
Imagine the Future, Internalize the Gist: Efficient VLA Reasoning via Internalized Spatiotemporal Imagination
AI 导读
提出 IG-VLA 框架，让 VLA 模型在视觉表示空间中想象任务相关的未来场景演化，并用 Scene Gist Memory 将推理得到的场景-行为关联压缩为 Scene Gist Token，避免推理时显式生成未来画面。
来源：arXiv · Computer Vision · arxiv.org