Kyutai: memòria de peix perquè el robot titubegi menys

Kyutai presenta REKI

Investigadors de Kyutai han presentat REKI, un model que mira per les càmeres d'un robot, llegeix una ordre i mou el braç. L'article tècnic es va enviar a arXiv el 15 d'octubre de 2026.

Segons Kyutai, REKI té 2.400 milions de paràmetres, es va entrenar només amb dades públiques i, en tres bancs de proves —LIBERO-Plus, RoboTwin Clean2Rand i RoboCasa365—, només el superen models d'aproximadament el doble de la seva mida.

Mira, llegeix i mou el braç

REKI és un VLA. Qwen3.5-2B, un model de visió i llenguatge de Qwen, la família de models d'Alibaba Cloud, interpreta les càmeres i l'ordre; al darrere, un expert d'acció (action expert) de 200 milions de paràmetres calcula els moviments.

Segons Kyutai, REKI calcula cada bloc d'accions en 21,8 mil·lisegons en una targeta H100, el millor temps entre els models que va comparar. Per comparar-los en igualtat de condicions, el laboratori també va compilar diversos dels models rivals, sense canviar-ne els càlculs.

Memòria de peix contra el titubeig

REKI s'entrena amb finestres de tres fotogrames presos amb un segon de separació. Quan s'utilitza, desa els tokens de registre dels dos fotogrames anteriors i, quan n'entra un de nou, descarta el més antic. Segons Kyutai, això ocupa uns 2 MiB de memòria per fotograma i amb prou feines afegeix 0,1 mil·lisegons.

Sense memòria, el braç sovint es queda anant i venint entre dues postures. Kyutai sosté que passa perquè cada postura s'assembla a demostracions que continuen cap a l'altra, de manera que un model sense passat no sap cap on anava.

Segons Kyutai, amb memòria aquests vaivens són unes quatre vegades menys freqüents a RoboTwin, sobretot en les tasques amb dos braços.

On guanya i on perd

A LIBERO-Plus, que altera la càmera, la llum, el fons o la col·locació dels objectes, REKI supera π0.5 i Qwen-RobotManip, segons Kyutai. A RoboCasa365, en canvi, li pren avantatge Xiaomi-Robotics-1, de l'equip de robòtica de Xiaomi, que li dobla la mida i es va preentrenar en part amb dades pròpies.

π0.5 és de Physical Intelligence, que afirma desenvolupar algoritmes d'aprenentatge per crear un model capaç de controlar qualsevol robot i que, segons el seu web, té el suport de Bond, Jeff Bezos, Khosla Ventures, Lux Capital, OpenAI, Redpoint Ventures, Sequoia Capital, CapitalG i Thrive Capital. Segons Kyutai, π0.5 i Qwen-RobotManip també es van preentrenar en part amb dades pròpies per a RoboCasa365, mentre que REKI va fer servir només dades públiques.

Codi obert, pesos amb fre

El codi es publica amb llicència MIT, amb parts de LeRobot i Transformers sota Apache-2.0. Els pesos porten CC-BY-NC-SA 4.0 i deriven de Qwen3.5-2B i de conjunts de dades de tercers, cadascun amb la seva pròpia llicència.

Segons Kyutai, REKI es va preentrenar en 32 targetes H100 amb una barreja composta només per dades públiques.