Kyutai, Inria ve École des Ponts iş birliğiyle, robot manipülasyonu için tasarlanmış 2.4 milyar parametreli bir görsel‑dil‑eylem modeli olan REKI'yi yayınladı. Yalnızca kamu verileriyle önceden eğitilen REKI, Qwen omurgasını verimli bir eylem uzmanı ve bellek yetenekleriyle birleştirerek robotik benchmarklarda rekabetçi performans elde ediyor. Tüm model ağırlıkları Hugging Face üzerinde kamuya açık olarak sunuldu.
2.4 milyar parametreli model, 2.2 milyar parametreli bir Qwen görsel‑dil modeli ve 0.2 milyar parametreli bir akış eşleştirme eylem uzmanından oluşur ve son çerçevelerden gözlem kayıtlarını önbelleğe alan hafif bir bellek sistemi kullanır. Bu bellek mimarisi, REKI'nin algısal takma ad gibi sorunları hafifletmesini ve yürütme sırasında robot kolunun salınımını azaltmasını sağlar. NVIDIA H100 üzerinde çalışan sistem, eylem parçacıklarını verimli bir şekilde hesaplayarak LIBERO‑Plus ve RoboTwin Clean2Rand gibi benchmarklarda kamuya açık önceden eğitilmiş modeller arasında en yüksek puanları elde eder.
Bu yayın, robotik topluluğuna düşük hesaplama maliyetiyle önemli ölçüde daha büyük sistemlerin performansına eşdeğer, verimli ve açıkça erişilebilir bir görsel‑dil‑eylem modeli sunar.