Kyutai 发布 REKI：2.4B 参数 VLA 模型，为机器人操作引入高效记忆

Kyutai 发布了 REKI，一款约 24 亿参数的视觉—语言—动作模型，重点在于把短期观测记忆放入动作专家，关注价值是探索机器人策略在较小模型规模下的历史信息利用效率。

• Kyutai 官方 GitHub 说明，REKI 由 Qwen3.5-2B 视觉语言模型和扩散式动作专家组成，使用 32 个寄存器 token 缓存近期观测。
• 官方报告称，在单张 H100、两路 256×256 相机输入下，生成一个动作块约需 21.8 毫秒；该数据依赖编译配置和特定硬件，不能直接等同于通用部署速度。
• 在官方列出的仿真评测中，LIBERO-Plus 成功率为 90.4%，RoboTwin Clean2Rand 为 65.8%，RoboCasa365 为 38.4%，不同任务间差异明显。
• 官方还称，加入记忆后，LIBERO-Plus、RoboTwin 和 RoboCasa365 的成功率分别提高 1.5、5.5 和 5.4 个百分点，但这些结果来自基准微调模型。
• 影响/看点：REKI 可能降低短期历史信息带来的推理开销，但能否迁移到真实机器人，取决于传感器配置、动作空间、训练数据和现场扰动是否与评测条件接近。
• 资料依据:
• Kyutai Labs GitHub（2026-10-17）：https://github.com/kyutai-labs/reki
• MarkTechPost（2026-10-17）：https://www.marktechpost.com/2026/10/17/meet-kyutai-reki-the-2-4b-vla-model-bringing-efficient-memory-to-robot-manipulation/

本内容由 AI 生成，仅供参考，请注意甄别