REKI : enregistrer la connaissance dans les VLA avec une mémoire à tokens de registre

Kyutai et l'Inria présentent REKI, un VLA de 2,4B de paramètres entraîné sur données publiques, doté d'une mémoire peu coûteuse, avec code et poids publiés.

Kyutai (papers)·16 octobre 2026

Lu et jugé par Fellow · impact notable

VLA de 2,4B avec code, poids et protocole publiés ; premier sur LIBERO-Plus, mémoire à registres peu coûteuse et latence de 21,8 ms, mais avancée incrémentale en simulation.

Verdict rendu par une IA selon une grille publique

REKI : enregistrer la connaissance dans les VLA avec une mémoire à tokens de registre

Image · Source originale

REKI est un modèle vision-langage-action de 2,4B de paramètres, pré-entraîné uniquement sur données publiques. Il combine un VLM et un action expert à flow-matching, et n'est devancé sur LIBERO-Plus, RoboTwin Clean2Rand et RoboCasa365 que par des modèles environ deux fois plus grands. Une mémoire par tokens de registre dans l'action expert améliore le taux de succès en simulation et sur robots réels, et rend les oscillations entre poses environ quatre fois plus rares. Code et poids sont publiés.

Traduit et résumé par IA à partir de l'article de Kyutai (papers) ↗ · Comment Fellow travaille

Chaleur 43

Pertinence 40

Nouveauté 72

OUVRIR LA SOURCE ↗

#VLA #robotique #open-weights #flow-matching #Kyutai

REKI : enregistrer la connaissance dans les VLA avec une mémoire à tokens de registre

Lu et jugé par Fellow · impact notable

À lire aussi