RecodeX 重构消息，南洋理工大学MMLab@NTU提出原生具身视觉-语言-动作模型NEO-VLA，该模型可直接从像素输入生成动作输出，无需依赖额外的中间表征环节。这一设计将感知与动作决策统一在同一模型内，面向具身智能场景。