В мире робототехники произошёл заметный сдвиг: французский стартап Kyutai представил модель REKI — визуально-языково-действенную систему (VLA) с 2,4 миллиарда параметров, которая способна наделить роботов-манипуляторов эффективной памятью. Эта новость мгновенно привлекла внимание исследователей и инженеров, ведь она обещает изменить подход к обучению роботов выполнению сложных задач в реальном мире.
Что такое Kyutai REKI и почему о ней говорят
REKI — это не просто очередная языковая модель, адаптированная под роботов. Это полноценная архитектура Vision-Language-Action (VLA), которая объединяет восприятие изображения, понимание команд на естественном языке и генерацию моторных действий. В отличие от многих предшественников, модель учится не только реагировать на текущую сцену, но и удерживать в памяти контекст прошлых шагов, что критически важно для многоэтапных манипуляций.
С 2,4 миллиарда параметров REKI находится в «золотой середине»: она достаточно мощная, чтобы справляться с разнообразными задачами, но при этом не требует экстремальных вычислительных ресурсов для инференса на реальном роботе. Именно этот баланс делает её практичным инструментом для лабораторий и промышленных пилотов.
Память как ключевое отличие: почему это меняет правила игры
Большинство современных VLA-моделей работают «здесь и сейчас»: они смотрят на кадр, читают инструкцию и выдают следующее действие. Проблема в том, что реальные задачи редко укладываются в один шаг. Роботу нужно помнить, что он уже сделал, какие объекты переместил и какие условия выполнил. Без памяти манипулятор легко сбивается, повторяет действия или теряет логику последовательности.
REKI решает эту проблему за счёт встроенного механизма эффективной памяти. Модель не хранит всю историю кадров «как есть» — это было бы слишком дорого. Вместо этого она сжимает ключевую информацию о прошлых наблюдениях и действиях в компактное представление, которое использует при планировании следующих шагов. Такой подход позволяет роботу сохранять нить задачи на протяжении десятков действий, не раздувая вычислительный бюджет.
По сути, это шаг в сторону Agentic AI — систем, которые не просто реагируют, а ведут целенаправленную деятельность с учётом собственной истории. Для Physical AI и робототехники это принципиально: память превращает манипулятор из исполнителя отдельных команд в полноценного агента.
Как устроена архитектура REKI
В основе REKI лежит связка из нескольких компонентов, работающих согласованно:
- Визуальный энкодер, который превращает изображения с камер робота в компактные эмбеддинги сцены.
- Языковая модель, интерпретирующая инструкции пользователя и формирующая внутренний план действий.
- Механизм памяти, агрегирующий историю наблюдений и действий в сжатое состояние.
- Действенный декодер, преобразующий внутренние представления в конкретные команды для суставов манипулятора.
Такая модульность упрощает обучение и дообучение: разработчики могут заменять отдельные блоки, не перестраивая всю систему. Кроме того, архитектура хорошо масштабируется — та же логика применима и к другим типам роботов, от мобильных платформ до гуманоидов.
Обучение и данные
REKI обучалась на смеси демонстраций, симулированных сценариев и реальных траекторий манипуляций. Ключевой акцент сделан на задачах, где важна последовательность: сборка, сортировка, перекладывание объектов по условиям. Именно на таких сценариях память даёт максимальный выигрыш по сравнению с моделями без истории.
Отдельно стоит отметить, что модель показывает устойчивость к вариациям освещения, положений камер и небольшим изменениям в постановке задачи — качество, без которого VLA-системы редко выходят из лаборатории.
Что это значит для индустрии
Появление REKI сигнализирует о зрелости направления VLA. Ещё недавно такие модели были экспериментами, теперь же они становятся инженерными продуктами с понятными характеристиками. Для рынка это означает несколько важных последствий:
- Снижение порога входа. Модель на 2,4 млрд параметров можно запускать на доступном железе, что открывает дорогу небольшим командам и стартапам.
- Рост доверия к роботам. Память делает поведение манипулятора предсказуемым и объяснимым, а это критично для промышленности и логистики.
- Ускорение разработки. Открытые компоненты и модульная архитектура позволяют быстро адаптировать REKI под конкретные задачи, не изобретая велосипед.
Кроме того, REKI укрепляет тренд на embodied AI — направление, где языковые модели перестают быть только «текстовыми собеседниками» и становятся «мозгом» физических систем. Это уже не футурология, а работающая инженерия.
Ограничения и что впереди
Несмотря на впечатляющие результаты, у REKI есть свои границы. Память пока эффективна в пределах одной задачи: модель хорошо помнит, что делала в рамках текущей сессии, но не накапливает опыт между запусками. Кроме того, длинные горизонты планирования всё ещё остаются вызовом — чем больше шагов, тем выше риск накопления ошибок.
Тем не менее, сам факт появления такой модели важен. Он показывает, что сообщество движется от «реактивных» VLA к системам с внутренним состоянием. Следующие шаги, вероятно, будут связаны с улучшением долговременной памяти, интеграцией с инструментами и переходом к более сложным сценариям сотрудничества человека и робота.
Краткий вывод
Kyutai REKI — это модель VLA на 2,4 млрд параметров, которая дарит роботам-манипуляторам эффективную память и тем самым меняет правила игры в робототехнике. Она сочетает компактность, практичность и способность удерживать контекст многошаговых задач, что делает её важным шагом к по-настоящему автономным физическим агентам. Для индустрии это сигнал: эпоха «умных, но забывчивых» роботов подходит к концу, а на смену ей приходят системы, которые помнят, планируют и действуют осмысленно.
