REKI 로봇 모델은 2026년 10월 17일 프랑스 오픈 사이언스 연구소 Kyutai가 Inria, 에콜 데 퐁과 함께 공개했다. 공식 프로젝트 페이지와 전체 코드, Hugging Face의 모든 가중치가 같은 시점에 공개됐다. REKI는 24억 파라미터의 시각-언어-행동 모델(VLA)로, 하는 일은 구체적이다. 카메라 화면을 보고 지시문을 읽은 뒤 로봇 팔의 동작을 직접 출력한다. 주목할 부분은 또 하나의 리더보드 기록이 아니라, 로봇에 기억을 심는 방식이다. 거의 비용이 들지 않으면서 흔한 실패 패턴을 해결했다.
로봇 팔이 두 자세 사이를 오가는 이유
많은 VLA는 현재 프레임 하나만 보고 결정한다. 문제는 어떤 자세들은 한 프레임으로는 구분이 안 된다는 점이다. 시연 데이터에서는 자세 A 다음이 B이고, B 다음이 다시 A다. 기억이 없는 모델은 자신이 어디서 왔는지 몰라 두 자세 사이를 오가며 과제 전체를 소진한다. Kyutai는 이를 지각적 혼동(perceptual aliasing)이라 부르며 RoboTwin에서 측정했다. 기억이 없으면 전체 에피소드의 18.6%에서 왕복이 발생했고, 기억을 넣자 4.1%로 떨어졌다. 양팔 과제에서 개선이 가장 컸다.
기억은 큰 모델이 아니라 행동 전문가 안에 둔다
REKI는 Qwen3.5-2B 시각 언어 백본에 2억 파라미터의 플로 매칭 행동 전문가를 붙인 구조다. 기억 방식은 이렇다. 각 프레임마다 행동 전문가 안의 레지스터 토큰 32개가 그 프레임의 화면과 지시를 요약해 캐시에 저장하고, 이후 두 프레임이 이를 읽는다. 레지스터는 행동 자체를 보지 않기 때문에 프레임당 한 번만 계산되고, 디노이징 단계와 후속 프레임에서 재사용된다. 비용은 소수점 아래 수준이다. 캐시 읽기가 액션 청크 하나에 더하는 시간은 0.1밀리초, 기억하는 프레임 한 장당 GPU 메모리는 약 2MiB다. REKI는 H100 한 장에서 액션 청크를 21.8밀리초에 예측해 비교 모델 중 가장 빨랐다.
공개 데이터만으로 학습한 성적표
REKI의 사전 학습은 공개 데이터만 썼다. 실제 로봇 원격 조작, 시뮬레이션, 1인칭 인간 영상을 합쳐 약 10억 프레임에 시각 언어 샘플을 더했고, H100 32장으로 20만 스텝을 학습했다. LIBERO-Plus에서는 90.4%로 Kyutai 비교표 1위를 기록했고, RoboTwin Clean2Rand에서는 65.8%로 크기가 약 두 배인 Qwen-RobotManip에만 뒤졌으며, RoboCasa365에서는 38.4%로 샤오미의 로봇 모델에 크게 뒤졌다. 강점은 모든 벤치마크 석권이 아니라 환경이 바뀐 상황에서의 일반화다. 실제 UR5 로봇 팔에서는 과제당 시연 50회, 1시간 미세 조정만으로 새 과제를 수행했다.
가중치 라이선스는 CC BY-NC-SA 4.0으로 연구와 재현은 가능하지만 상업적 이용은 불가능하다. 또 점수 대부분이 시뮬레이션 벤치마크에서 나왔기 때문에 실제 주방과 공장에서 어디까지 통할지는 다른 팀들의 검증이 필요하다. 체화 AI를 다루는 사람들에게 이번 공개의 신호는 분명하다. 로봇에 기억을 넣는 데 반드시 더 큰 모델이 필요한 것은 아니며, 최근 몇 프레임을 올바른 위치에 두는 것이 파라미터를 늘리는 것보다 경제적일 수 있다.
