Kyutai发布REKI：面向机器人的24亿参数视觉-语言-动作模型

总部位于巴黎的AI研究实验室Kyutai发布了REKI，这是一款专为机器人操作打造的视觉-语言-动作（VLA）模型，参数规模为24亿。该模型于2026年10月17日公布，由Kyutai与法国国家数字科学研究所Inria以及工程学院巴黎桥梁学院共同开发。

研发团队重点介绍了两项特性。REKI仅使用公开可用数据进行预训练，并且它保留了一份低成本的近期经历记忆，而不是仅依据单一画面进行推理。

记忆为何对机器人至关重要

VLA模型旨在将摄像头输入和自然语言指令直接转化为机器人动作。许多此类系统仅根据当前画面决定每一步动作，这可能导致它们在多步骤任务中出错，或者在物体离开摄像头视野时失去判断。

理论上，能够记住近期历史的模型可以更连贯地处理连续性任务，例如先拉开抽屉再把物品放进去。保持记忆的低成本十分关键，因为机器人通常依赖有限的机载算力运行。不过，本文所参考的材料中未提供REKI评估的完整细节，包括其测试的具体任务和基准。

开放数据的路线

机器人学习领域的many进展，很大程度上来自于使用企业不予共享的专有数据集训练的模型。仅依赖公开数据，使其他研究人员更容易复现结果并在此基础上开展工作，这一点可能使REKI成为学术实验室的重要参考。

Kyutai以开放发布项目而闻名，例如其实时语音模型Moshi。通过REKI，该实验室将这种开放研究方式延伸至机器人领域，这一项目也体现了法国私营AI实验室与公共研究机构之间日益增强的合作。