Kyutai: memoria de pez para que el robot titubee menos

Kyutai presenta REKI

Investigadores de Kyutai han presentado REKI, un modelo que mira por las cámaras de un robot, lee una orden y mueve el brazo. El artículo técnico se envió a arXiv el 15 de octubre de 2026.

Según Kyutai, REKI tiene 2.400 millones de parámetros, se entrenó solo con datos públicos y, en tres baterías de pruebas, LIBERO-Plus, RoboTwin Clean2Rand y RoboCasa365, solo le superan modelos de alrededor del doble de su tamaño.

Mira, lee y mueve el brazo

REKI es un VLA. Qwen3.5-2B, un modelo de visión y lenguaje de Qwen, la familia de modelos de Alibaba Cloud, interpreta las cámaras y la orden; detrás, un experto de acción (action expert) de 200 millones de parámetros calcula los movimientos.

Según Kyutai, REKI calcula cada bloque de acciones en 21,8 milisegundos en una tarjeta H100, el mejor tiempo entre los modelos que comparó. Para compararlos en igualdad, el laboratorio compiló también varios de los modelos rivales, sin cambiar sus cálculos.

Memoria de pez contra el titubeo

REKI se entrena con ventanas de tres fotogramas tomados con un segundo de separación. Al usarlo, guarda los tokens de registro de los dos fotogramas anteriores y, cuando entra uno nuevo, descarta el más viejo. Según Kyutai, eso ocupa unos 2 MiB de memoria por fotograma y apenas añade 0,1 milisegundos.

Sin memoria, el brazo se queda a menudo yendo y viniendo entre dos posturas. Kyutai sostiene que pasa porque cada postura se parece a demostraciones que siguen hacia la otra, así que un modelo sin pasado no sabe hacia dónde iba.

Según Kyutai, con memoria esos vaivenes son unas cuatro veces menos frecuentes en RoboTwin, sobre todo en las tareas con dos brazos.

Dónde gana y dónde pierde

En LIBERO-Plus, que altera la cámara, la luz, el fondo o la colocación de los objetos, REKI supera a π0.5 y a Qwen-RobotManip, según Kyutai. En RoboCasa365, en cambio, le saca ventaja Xiaomi-Robotics-1, del equipo de robótica de Xiaomi, que le dobla el tamaño y se preentrenó en parte con datos propios.

π0.5 es de Physical Intelligence, que afirma desarrollar algoritmos de aprendizaje para crear un modelo capaz de controlar cualquier robot y que, según su web, cuenta con el apoyo de Bond, Jeff Bezos, Khosla Ventures, Lux Capital, OpenAI, Redpoint Ventures, Sequoia Capital, CapitalG y Thrive Capital. Según Kyutai, π0.5 y Qwen-RobotManip también se preentrenaron en parte con datos propios para RoboCasa365, mientras que REKI usó solo datos públicos.

Código abierto, pesos con freno

El código se publica con licencia MIT, con partes de LeRobot y Transformers bajo Apache-2.0. Los pesos llevan CC-BY-NC-SA 4.0 y derivan de Qwen3.5-2B y de conjuntos de datos de terceros, cada uno con su propia licencia.

Según Kyutai, REKI se preentrenó en 32 tarjetas H100 con una mezcla compuesta solo por datos públicos.