MMLab@NTU 提出原生具身模型 NEO-VLA:从像素直出动作5 小时前收藏南洋理工大学等团队提出 NEO-VLA,将原生视觉语言模型引入机器人动作学习,视觉通路无需独立预训练视觉编码器,动作模块可直接读取主干不同深度的表征,更好利用精细操作所需的多层级视觉信息。研究通过多组对照实验结合仿真与真机测试验证性能,依托超 223 万条轨迹的大规模多机器人数据集训练,在多项基准测试中表现优异,真机任务表现优于同类模型,单张 RTX 3090 推理延迟低,同时证实动作训练中保留多模态理解能力可显著提升策略鲁棒性。MMLab@NTU 提出原生具身模型 NEO-VLA:从像素直出动作机器之心专业版功能登录体验专业版特色功能,拓展更丰富、更全面的相关内容。