Kyutai ने रोबोट के लिए REKI जारी किया, 2.4B विज़न-लैंग्वेज-एक्शन मॉडल

पेरिस स्थित AI शोध प्रयोगशाला Kyutai ने REKI जारी किया है, जो 2.4 अरब पैरामीटर वाला विज़न-लैंग्वेज-एक्शन (VLA) मॉडल है और रोबोट मैनिपुलेशन के लिए बनाया गया है। 17 अक्टूबर 2026 को घोषित इस मॉडल को फ़्रांस के राष्ट्रीय डिजिटल विज्ञान संस्थान Inria और इंजीनियरिंग स्कूल École des Ponts के साथ मिलकर विकसित किया गया है।

टीम दो खूबियों पर ज़ोर दे रही है। REKI को केवल सार्वजनिक रूप से उपलब्ध डेटा पर प्री-ट्रेन किया गया है, और यह एक ही स्नैपशॉट से तर्क करने के बजाय अपने हाल के अतीत की सस्ती मेमोरी रखता है।

रोबोट के लिए मेमोरी क्यों मायने रखती है

VLA मॉडल का लक्ष्य कैमरे से मिले इनपुट और प्राकृतिक-भाषा निर्देशों को सीधे रोबोट की क्रियाओं में बदलना है। ऐसी कई प्रणालियाँ हर कदम का फ़ैसला केवल मौजूदा फ़्रेम के आधार पर लेती हैं, जिससे बहु-चरणीय कार्यों में या जब कोई वस्तु कैमरे की नज़र से बाहर चली जाए तो वे गड़बड़ा सकती हैं।

जो मॉडल अपने हाल के इतिहास को याद रख सकता है, वह सिद्धांत रूप में क्रमिक कार्यों को अधिक सुसंगत तरीके से संभाल सकता है, जैसे ड्रॉअर खोलकर उसके अंदर कोई चीज़ रखना। यह मेमोरी सस्ती रखना इसलिए ज़रूरी है क्योंकि रोबोट आम तौर पर सीमित ऑनबोर्ड कंप्यूट पर चलते हैं। REKI के मूल्यांकन का पूरा ब्योरा, जिसमें यह शामिल है कि उसका परीक्षण किन कार्यों और बेंचमार्क पर हुआ, इस लेख के लिए देखी गई सामग्री में उपलब्ध नहीं था।

एक खुला-डेटा दृष्टिकोण

रोबोट लर्निंग में अधिकांश प्रगति उन मॉडलों से आई है जिन्हें कंपनियों के मालिकाना डेटासेट पर प्रशिक्षित किया गया, और जिन्हें वे साझा नहीं करतीं। केवल सार्वजनिक डेटा पर निर्भरता अन्य शोधकर्ताओं के लिए परिणामों को दोहराना और इस काम पर आगे बढ़ना आसान बनाती है, और यही बात REKI को शैक्षणिक प्रयोगशालाओं के लिए एक उपयोगी संदर्भ बना सकती है।

Kyutai अपने खुले रिलीज़ के लिए जाना जाता है, जैसे रियल-टाइम वॉइस मॉडल Moshi। REKI के साथ प्रयोगशाला इस खुले शोध दृष्टिकोण को रोबोटिक्स तक ले जा रही है, और यह परियोजना फ़्रांस में निजी AI प्रयोगशालाओं और सार्वजनिक शोध संस्थानों के बीच बढ़ते सहयोग को भी दर्शाती है।