随着人工智能从单纯的文本生成向具身智能领域延伸，机器人操控正迎来技术爆发期。近日，法国AI初创公司Kyutai与法国国家信息与自动化研究所（Inria）以及巴黎综合理工学院（École des Ponts）联合宣布，推出了一款名为REKI的2.4B（24亿）参数视觉-语言-动作模型（VLA）。这款模型专为机器人操控任务设计，以其独特的“高效记忆”机制和开源特性，为机器人技术的研究与应用提供了新的可能。
VLA架构：连接视觉、语言与动作的桥梁
REKI模型的发布，标志着具身智能在模型架构上的一次重要探索。作为一款VLA模型，REKI的核心在于它能够同时处理视觉输入、语言指令和动作输出。在传统的机器人技术中，视觉识别、语言理解与动作规划往往是割裂的模块。而REKI通过统一的模型架构，将这三者融合，使机器人不仅能“看”懂环境，还能“听”懂人类的自然语言指令，并据此执行相应的物理操作。
值得一提的是，REKI采用了24亿参数的规模。在机器人模型领域，参数量往往与性能成正比，但同时也伴随着计算成本的增加。REKI在保持参数规模相对较小的同时，却展现出了惊人的性能，这得益于其核心创新点——“廉价记忆”机制。
核心创新：高效记忆机制解决长序列难题
机器人在执行复杂任务时，往往需要“记住”之前的操作步骤或观察到的环境变化，即需要具备短期记忆能力。然而，传统的Transformer架构在处理长序列数据时，计算开销会呈指数级增长，导致机器人难以在实时推理中维持长上下文。
REKI模型创新性地引入了一种高效的记忆机制。正如其名，它能够以较低的计算成本存储和检索其“近期过去”的信息。这意味着机器人可以在不牺牲实时响应速度的前提下，记住刚刚看到的物体位置或上一步的动作轨迹。这种能力对于执行连贯的复杂任务至关重要，例如在整理杂乱的桌面时，机器人需要记住已经整理好的物品，以避免重复劳动或遗漏。通过这种机制，REKI使得机器人能够在长时间运行中保持任务的连贯性，大大提升了操控的鲁棒性。
仅用公开数据训练，泛化能力出众
在当前的大模型开发热潮中，合成数据（Synthetic Data）被广泛用于训练机器人模型。然而，合成数据往往存在与现实世界脱节的问题。REKI团队采取了更为务实的策略，他们仅使用公开数据对模型进行了预训练。
这一决策虽然增加了数据清洗和处理的难度，但换来了模型更强的泛化能力。测试结果显示，REKI在三个分布外基准测试中，其表现甚至超越了约两倍于其参数规模的模型。这一结果有力地证明了，高质量的数据和精巧的架构设计，足以弥补数据规模的不足。这也意味着，REKI能够更好地适应未见过的新场景和新任务，而不需要针对每个特定环境进行微调。
开源生态的强力推动者
除了在技术性能上的突破，REKI模型在开源社区也占据了重要地位。开发团队宣布将开放REKI的所有权重。对于学术界和工业界的研究者而言，这意味着他们可以直接获取并研究这款先进模型，而无需从零开始构建基础架构。
开源REKI模型有望加速机器人技术的研究进程。研究者可以在此基础上进行微调，探索其在不同硬件平台上的部署可能性，或者研究如何进一步优化其记忆机制。这种开放共享的态度，对于打破具身智能领域的“黑盒”效应，促进技术民主化具有重要意义。
行业展望
REKI的发布不仅是Kyutai在机器人AI领域的一次技术展示，也为整个行业指明了新的发展方向。它证明了在参数规模和计算效率之间可以找到完美的平衡点。随着具身智能的落地，对模型轻量化、实时性和低功耗的需求日益迫切。REKI所代表的“高效记忆”路线，或许正是解决当前机器人落地瓶颈的关键钥匙。未来，我们有望看到更多基于此类高效VLA模型的机器人产品走进工厂和家庭，真正实现从“感知”到“行动”的闭环。
信息来源：MarkTechPost，原文链接：https://www.marktechpost.com/2026/10/17/meet-kyutai-reki-the-2-4b-vla-model-bringing-efficient-memory-to-robot-manipulation/
