IG-VLA用时空想象与场景记忆提速VLA推理

Shenglan Li 等研究者提出VLA（视觉-语言-动作）推理框架IG-VLA，让模型在视觉表征空间内想象任务相关的未来场景演化来引导动作预测，并把推理得到的场景-行为关联压缩为Scene Gist Token，推理时跳过显式未来想象。 论文实验显示，该框架在LIBERO-Plus Language套件上，推理策略与要旨策略的成功率均比最强基线高近6%；要旨策略在单张NVIDIA A6000 GPU上把每个动作块的推理延迟从1081ms降至169.5ms，较基线最高提速6.38倍。

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。