Компания Kyutai представила модель REKI — VLA-систему (vision-language-action) с 2,4 миллиарда параметров для управления роботами. Архитектура объединяет основу Qwen3.5-2B и экспертный модуль действий на 200 миллионов параметров. Для обеспечения памяти модель использует 32 обучаемых токена-регистра, которые кэшируются в скользящем окне.
Предварительное обучение модели проводилось на 1,0 миллиарде кадров и 12,2 миллиона образцов данных из наборов DROID, BridgeData V2, AgiBot World, EgoDex и EgoVerse. Процесс занял 200 000 шагов на 32 графических процессорах H100. Разработчики сохранили исходные стандарты управления для каждого набора данных.
REKI решает проблему осцилляции манипуляторов: на бенчмарке RoboTwin частота колебаний снизилась с 18,6% до 4,1%. Использование памяти повысило результаты на 1,5 пункта в LIBERO-Plus и на 5,4 пункта в RoboCasa365. Итоговый показатель модели в LIBERO-Plus составил 90,4%.
Для развертывания на реальных роботах применяется протокол LeRobot async-inference gRPC. Настройка для манипулятора UR5 заняла 3000 шагов, что эквивалентно одному часу обучения на 50 демонстрациях для каждой задачи. Веса модели доступны по некоммерческой лицензии CC BY-NC-SA 4.0.
