IG-VLA：内化时空想象的VLA推理

视觉-语言-动作（VLA）模型日益引入中间推理以改善机器人操作，但现有方法主要对观测状态推理，不显式预期未来场景演化；把这种推理扩展到每步显式未来rollout又带来大量计算开销。我们提出IG-VLA，让模型"想象未来、内化要点"的VLA推理框架：潜时空推理学会直接在视觉表示空间想象任务相关的未来场景演化，为动作预测提供引导而无需昂贵的像素级视频生成；为进一步降低推理开销，场景要点记忆把推理导出的场景-行为关联内化为紧凑的场景要点token，在推理时绕过显式未来想象而保留未来推理的收益。LIBERO、LIBERO-Plus与VLABench的大量实验证明其有效性与效率：LIBERO-Plus语言套件上推理与要点策略的成功率都较最强基线高近6%；要点策略较基线提速至多6.38倍，单块A6000上每动作块推理延迟从1081毫秒降至169.5毫秒。结果表明未来时空推理可有效内化以支持高效VLA部署。