Durante mucho tiempo, los robots generales estuvieron atrapados en el cuello de botella de la recopilación de datos liderada por humanos, con una eficiencia relativamente baja. La aparición de NEO cambió esta situación: puede recopilar datos de forma autónoma, completar el aprendizaje de manera independiente y romper esa barrera.

¿por qué este esquema de expansión puede funcionar? No pueden faltar dos impulsores: uno es la generación continua de nuevos datos de robots, y el otro es el motor subyacente, un modelo de mundo de video en constante evolución. Ambos se complementan, formando un ciclo de retroalimentación positiva de auto-iteración.