想知道杯子是不是空的，机器人光盯着杯身不够，还得把相机抬高，往里面看。难点是：在真正移动前，它怎么知道哪个方向更可能看到答案？Rendering-Free Lookahead（RFL，免渲染前瞻）给出的办法，是让机器人直接给候选动作预测“可回答性”——移动后看到的画面，是否足以回答当前问题。
巧妙之处在训练阶段。教师系统利用 3D Gaussian Splatting（3DGS，一种三维场景表示）渲染候选动作之后的画面，再由冻结的视觉语言模型判断这些画面是否包含答案证据；学生模型则学习从问题、近期画面和候选动作中预测这一分数，还会估计再走一步可能带来的收益。部署到陌生环境后，它只比较预测分数，不必逐一生成未来画面。
作者在 21 个未见场景的 377 个测试回合中报告：RFL 的平均评审得分从同一视觉语言模型直接选动作时的 2.14 提升到 3.05，增幅 43%，并高于论文所测 GPT-5.1 基线的 2.81。结果仍来自作者设定的基准，但它展示了一个实用思路：把昂贵的“先看后选”留在训练时，让机器人工作时凭学到的判断快速选视角。