Kyutai REKI 모델, 일반적인 연산 부담 없이 로봇 메모리 추가
Kyutai가 최근 관측을 기억하면서도 측정된 각 행동 예측에 0.1밀리초만 추가하는 24억 파라미터 로봇 모델을 공개했다. Kyutai REKI 모델은 이 메모리를 행동 전문가 모듈 내부에 배치해, 이전 카메라 프레임을 반복 처리하지 않는다. 이 설계는 로봇 학습의 고질적인 긴장을 겨냥한다. 메모리는 조작 성능에 도움이 되지만, 과거 맥락은 훈련 및 추론 비용을 높이는 경우가 많다.
REKI는 Registering Knowledge in Vision-Language-Action Models의 약자로, 비전-언어 백본과 로봇 행동을 예측하는 더 작은 모듈을 결합한다. Kyutai는 32개의 지속형 레지스터 토큰이 모델이 최근 프레임의 정보를 유지하도록 한다고 설명한다. 로봇이 다음 행동 청크를 예측하는 동안에도 레지스터는 계속 사용할 수 있다.
이 접근 방식은 여러 이미지를 더 큰 비전-언어 모델에 입력해 시간적 맥락을 얻는 시스템에 문제를 제기한다. 또한 더 강력한 조작 정책에는 더 큰 모델이나 비공개 훈련 데이터가 반드시 필요하다는 가정에도 도전한다. REKI는 공개 데이터를 사용하고 훈련 파이프라인을 공개하며, 상당히 더 많은 파라미터를 가진 모델들과 비교해 경쟁력 있는 결과를 보고한다.
이 결과가 소형 오픈 로봇 모델이 모든 대형 대안을 대체할 수 있다는 증거는 아니다. 가장 강력한 근거는 시뮬레이션 벤치마크와 통제된 실제 로봇 시연에서 나온다. 그러나 이 아키텍처는 구체적이고 검증 가능한 주장을 제시한다. 단기 메모리는 행동 생성 가까이에 두어야 낮은 비용으로 직접적인 효용을 유지할 수 있다는 것이다.
Kyutai REKI 모델은 메모리를 행동 생성의 일부로 만든다
REKI의 핵심 변화는 아키텍처에 있다. 최근 시각 맥락이 또 하나의 비싼 비전 입력이 아니라 행동 전문가의 캐시된 일부가 된다.
비전-언어-행동 모델(VLA)은 이미지와 언어 지시를 물리적 행동으로 변환한다. REKI에서 Qwen3.5-2B 비전-언어 모델은 먼저 카메라 시점과 지시를 인코딩한다. 이후 2억 파라미터 행동 전문가가 이 표현을 읽고 플로 매칭을 통해 행동 시퀀스를 생성한다.
플로 매칭은 초기의 노이즈가 있는 행동 시퀀스를 여러 정제 단계를 거쳐 사용할 수 있는 궤적으로 바꾸는 생성 방식이다. REKI는 Kyutai가 보고한 지연 시간 테스트에서 10개의 오일러 단계를 사용한다. 로봇 상태와 현재 플로 시간은 적응형 정규화를 통해 행동 전문가에 입력된다.
전체 모델은 24억 개의 파라미터를 포함한다. 공식 REKI architecture에 따르면, 약 22억 개는 비전-언어 백본에 속한다. 나머지 2억 개가 행동 전문가를 구성한다.
중요한 추가 요소는 관측된 각 프레임을 위한 32개의 학습된 레지스터 토큰 세트다. 이 토큰들은 인코딩된 지시와 카메라 시점을 요약한다. 이후 레지스터는 이후 행동 예측에 재사용 가능한 어텐션 정보를 저장하는 키-값 캐시에 유지된다.
REKI는 하나의 에피소드에서 추출한 세 프레임이 포함된 윈도우로 훈련된다. 이 프레임들은 1초 간격으로 샘플링된다. 추론 중 모델은 직전 두 프레임의 레지스터를 유지하고, 새 프레임이 도착하면 가장 오래된 세트를 제거한다.
이 윈도우는 정책에 최근 본 장면에 대한 짧은 기록을 제공한다. 따라서 로봇은 진행 중인 행동과 새롭게 마주한 상태를 구분할 수 있다. 최신 이미지 하나만으로 모든 것을 추론할 필요가 없다.
레지스터 토큰은 생성된 행동 토큰에 어텐션하지 않는다. 이들은 특정 로봇 상태, 플로 시간 또는 디노이징 단계가 아니라 관측에 의존한다. 따라서 Kyutai는 프레임당 한 번만 계산하고, 행동 생성 전반에 걸쳐 이를 재사용할 수 있다.
이 분리는 플로 기반 행동 생성이 여러 계산을 반복하기 때문에 중요하다. 매 정제 단계마다 과거 시각 맥락을 다시 계산하면 비용이 곱절로 증가한다. REKI는 행동 토큰이 계속 변하는 동안 관측 요약을 안정적으로 유지한다.
Kyutai는 256x256 카메라 이미지 두 장에서 청크 하나를 예측하는 데 Nvidia H100 한 대 기준 21.8밀리초가 걸린다고 보고한다. 캐시된 레지스터를 읽는 데는 0.1밀리초가 추가된다. 유지되는 프레임 하나당 GPU 메모리는 약 2 MiB가 추가된다.
이 측정값은 Kyutai의 컴파일된 구현과 명시된 하드웨어에 적용된다. 더 작은 가속기나 완전한 로봇 시스템에서의 지연 시간을 입증하는 것은 아니다. 카메라 캡처, 네트워킹, 안전 로직, 액추에이터 제어는 모두 엔드투엔드 응답 시간을 늘릴 수 있다.
그럼에도 아키텍처적 결과는 구체적이다. REKI는 모든 과거 프레임에 걸쳐 더 큰 모델을 다시 실행하지 않고도 제한적인 시간 윈도우를 추가한다. 또한 별도의 훈련 및 추론 경로가 필요한 독립 메모리 네트워크도 피한다.
Kyutai는 사전 훈련된 모델과 여러 벤치마크별 체크포인트를 REKI model card를 통해 공개했다. 가중치에는 비상업적 동일조건변경허락 라이선스가 적용되며, 함께 제공되는 코드는 MIT License를 사용한다. 상업적 배포를 검토하는 조직에는 이 차이가 중요하다.
효율적인 로봇 메모리가 비용 방정식을 바꾼다
Kyutai REKI 모델은 유용한 로봇 메모리에 끝없이 늘어나는 비디오 맥락이나 두 번째 추론 시스템이 필요하지 않다고 주장한다.
많은 조작 정책은 주로 현재 관측을 바탕으로 행동한다. 이 설계는 추론을 관리 가능한 수준으로 유지하지만, 장면이 현재 상태에 이르게 된 과정에 대한 증거를 제거한다. 이미지 한 장만으로는 방금 잡기가 실패했는지, 물체가 움직였는지, 로봇이 후퇴를 시작했는지 드러나지 않을 수 있다.
한 가지 대응 방식은 여러 과거 프레임을 비전-언어 백본에 보내는 것이다. 이는 직접적인 시간적 증거를 제공하지만, 이미지가 추가될 때마다 시각 토큰도 늘어난다. 그러면 연산 및 메모리 요구량은 맥락 윈도우와 함께 증가한다.
다른 접근법은 순환 구조를 사용한다. 순환 정책은 한 단계에서 다음 단계로 은닉 상태를 전달한다. 이 상태는 이전 관측을 요약할 수 있지만, 훈련은 흔히 순차적으로 진행되어 병렬화가 더 까다로워진다.
세 번째 경로는 전용 메모리 모듈을 추가하는 것이다. 이는 더 풍부한 이력, 검색 또는 여러 시간 척도를 지원할 수 있다. 동시에 데이터 흐름, 최적화, 실패 동작을 검증해야 하는 또 하나의 구성 요소를 도입한다.
REKI는 더 좁은 목표를 선택한다. 레지스터는 지역적 행동 일관성을 개선할 만큼의 최근 맥락을 보존한다. 이 메커니즘은 전체 작업이나 작업장의 의미론적 이력을 제공하려는 것은 아니다.
훈련 역시 메모리 윈도우를 통한 순차적 롤아웃을 피한다. Kyutai는 세 프레임을 하나의 배치로 묶어 함께 처리한다. 행동 전문가는 가변 길이 어텐션을 사용하며, 모든 프레임이 훈련 손실에 기여한다.
이 구성은 병렬 훈련을 유지한다. 비전-언어 모델은 동일한 수의 독립적이고 메모리가 없는 프레임을 처리할 때보다 더 많은 작업을 수행하지 않는다. 행동 전문가는 추가 레지스터 토큰의 비용을 부담하지만, 이 구성 요소는 훨씬 작다.
추론 중에는 과거 레지스터의 키와 값이 캐시에 남는다. 현재 행동 토큰은 현재 관측과 함께 이 레지스터에 어텐션한다. 따라서 모델은 이미 수행하고 있는 어텐션 연산을 통해 시간적 정보를 얻는다.
이것이 Kyutai의 “negligible cost” 설명의 배경이 되는 메커니즘이다. 이 주장이 메모리에 문자 그대로 비용이 전혀 없다는 뜻은 아니다. 보고된 구성에서 레지스터는 GPU 메모리, 어텐션 용량, 그리고 0.1밀리초를 소비한다.
더 중요한 요점은 비례적인 측면이다. 이 측정된 증분은 21.8밀리초 행동 청크 지연 시간의 1% 미만이다. 또한 22억 파라미터 백본으로 여러 카메라 이미지를 반복 인코딩하는 비용보다 훨씬 작다.
메모리 윈도우는 의도적으로 짧게 유지된다. 1초 간격으로 샘플링한 세 프레임은 긴 가정 작업이나 장시간의 복구 시퀀스를 포착하지 못한다. 이 설계는 최근 시각 상태를 기억할 뿐, 관련된 모든 사건을 기억하지는 않는다.
이 경계는 REKI를 수 분 단위의 에피소드 맥락을 겨냥한 시스템과 구분한다. 또한 오래된 정보와 관련된 위험도 제한한다. 롤링 캐시는 무한한 이력이 축적되도록 두는 대신 오래된 레지스터를 폐기한다.
실용적인 조작 작업에서 짧은 메모리도 흔한 실패를 해결할 수 있다. 메모리가 없는 정책은 현재 이미지마다 서로 다른 지역적 결정을 유발하기 때문에 그럴듯한 두 자세 사이를 오갈 수 있다. 최근 관측은 행동 전문가에 이전 방향에 관한 증거를 제공한다.
Kyutai는 메모리를 사용하면 이러한 자세 진동이 약 4배 더 드물어졌다고 보고한다. 이 결과는 아키텍처를 관찰 가능한 로봇 행동과 연결한다. 레지스터가 해결하는 한 가지 실패 모드를 식별하기 때문에 벤치마크 평균만으로는 알기 어려운 정보를 제공한다.
이 설계는 유용한 엔지니어링 질문도 만든다. 팀은 더 이상 상태 없는 제어와 대규모 메모리 시스템 사이에서만 선택할 필요가 없다. 소형의 캐시된 관측 요약이 자신들의 로봇에 중요한 시간적 실패를 해결하는지 시험할 수 있다.
공개 데이터가 대형 VLA 모델에 압박을 가한다
REKI의 가장 강력한 경쟁 논지는 모든 로봇 모델에 대한 절대적 우위를 주장하기보다 효율성과 재현성을 결합한다.
Kyutai는 REKI를 전적으로 공개 소스로 사전 훈련했다고 말한다. 이 혼합 데이터는 로봇 원격조작, 시뮬레이션, 자기 시점 인간 비디오에 걸친 10억 프레임을 포함한다. 또한 1,220만 개의 비전-언어 샘플도 포함한다.
로봇 데이터에는 Open X-Embodiment, BridgeData V2, DROID, AgiBot World, RoboMIND, RoboCOIN 및 기타 공개 컬렉션의 하위 집합이 포함된다. 시뮬레이션 소스에는 InternData-A1과 GR00T X-Embodiment Sim이 포함된다.
인간 중심 데이터는 조작에 관한 또 다른 관점을 제공한다. Kyutai는 자기 시점에서의 손 상호작용을 보여주는 EgoDex, EgoVerse, Xperience 자료를 사용했다. 비전-언어 데이터셋은 공간적 접지와 가리키기 예시를 더한다.
REKI paper는 사전 훈련이 H100 GPU 32대에서 20만 단계 동안 수행됐다고 밝힌다. Kyutai는 모든 로봇을 하나의 보편적 행동 표현으로 변환하는 대신, 각 데이터셋의 고유 제어 방식을 유지했다.
공개 데이터가 손쉬운 재현을 뜻하지는 않는다. 보고된 훈련 실행에는 여전히 상당한 하드웨어, 데이터 처리, 엔지니어링 시간이 필요하다. 데이터셋 라이선스와 저장 공간 요구사항 역시 여전히 중요하다.
그러나 이 공개는 외부 연구자가 검토할 수 있는 범위를 바꾼다. Kyutai는 데이터 큐레이션 코드, 훈련 로직, 추론 코드, 평가 도구, 배포 구성 요소, 모델 가중치를 공개했다. 공개된 REKI codebase는 재현과 수정의 출발점을 제공한다.
이러한 개방성은 많은 강력한 VLA 시스템이 전체 사전 훈련 데이터 혼합을 공개하지 않은 채 체크포인트만 공개하기 때문에 중요하다. 다른 시스템은 외부인이 정확히 재현할 수 없는 비공개 로봇 궤적이나 합성 데이터 파이프라인에 의존한다.
따라서 REKI의 주요 상대는 특정 기업 하나가 아니다. 더 많은 파라미터와 재현성이 낮은 훈련 입력을 결합하는 더 크고 데이터 집약적인 VLA 경로다. Kyutai는 아키텍처와 데이터 큐레이션이 그 경로의 성능 상당 부분을 회복할 수 있다고 주장한다.
보고된 벤치마크 결과는 이 주장의 일부를 뒷받침한다. REKI는 LIBERO-Plus에서 90.4%의 성공률, RoboTwin Clean2Rand에서 65.8%의 성공률을 기록했다. Kyutai는 이것이 공개 데이터로 사전 훈련된 비교 모델 가운데 가장 높은 점수라고 보고한다.
비공개 또는 합성 데이터를 사용하는 시스템에서는 비교가 더 복잡해진다. Qwen-RobotManip은 Clean2Rand에서 68.5%를 기록해 REKI의 65.8%를 앞선다. 해당 기술 보고서는 더 큰 47억 파라미터 모델과 인간에서 로봇으로 이어지는 합성 파이프라인을 설명한다.
RoboCasa365에서 REKI는 평균 성공률 38.4%를 보고한다. Xiaomi-Robotics-1은 57.4%, ABot-M0.5는 40.4%에 도달한다. 두 모델 모두 REKI보다 약 두 배 많은 파라미터를 포함한다.
이 수치는 전반적 성능의 왕좌보다는 모델 크기 대비 성능이라는 주장을 더 분명히 뒷받침한다. REKI는 일부 비교에서는 앞서지만, 다른 비교에서는 더 큰 시스템에 뒤처진다. 그 우위는 어떤 벤치마크, 데이터 범주, 배포 제약이 중요한지에 따라 달라진다.
RoboCasa365 벤치마크 역시 하나의 평균값을 신중하게 해석해야 하는 이유를 보여준다. 이 벤치마크의 작업에는 원자적 행동과 복합 작업이 포함되며, 본 조건과 미관측 조건이 구분된다. 모델은 이 그룹들 사이에서 고르지 않은 성능을 보일 수 있다.
Kyutai의 논문에 따르면 REKI는 RoboCasa365 원자적 작업에서 80.2%, 본 복합 작업에서 57.1%를 기록한다. 미관측 복합 작업에서는 성공률이 32.1%로 떨어진다.
이 마지막 수치는 현재 VLA 평가의 핵심 한계를 드러낸다. 지시를 인식하고 유능한 국소 행동을 생성한다고 해서 낯선 상황에서 신뢰성 있게 행동을 조합할 수 있는 것은 아니다. 소형 메모리만으로는 그 격차를 해소할 수 없다.
그럼에도 REKI는 재현 가능한 베이스라인의 기준을 높인다. 연구자들은 문서화되지 않은 시스템을 처음부터 다시 구축하지 않고도 레지스터, 데이터 혼합, 행동 전문가를 변경할 수 있다. 이는 후속 실험을 더 쉽게 해석하게 만들 수 있다.
그러한 실험을 수행하는 팀이라면 검색 가능한 엔지니어링 지식 베이스를 유지해 구성 변경 사항과 관측된 실패를 연결하는 데 도움을 받을 수 있다. 재현성은 공개된 소스 코드뿐 아니라 기록된 의사결정에도 좌우된다.
벤치마크 성과는 신중하게 읽어야 한다
REKI의 결과는 유망하지만, 여전히 벤치마크 프로토콜, 컴파일 선택, 제한적인 실제 환경 테스트의 영향을 받는 저자 보고 측정치다.
메모리는 LIBERO-Plus에서 REKI의 보고된 성공률을 1.5%포인트 높인다. RoboTwin의 깨끗한 장면에서는 5.5포인트, RoboCasa365에서는 5.4포인트까지 향상 폭이 커진다.
이러한 개선은 서로 다른 세 가지 벤치마크에서 나타나므로, 메모리가 데이터세트별 기법 이상의 역할을 한다는 근거가 강화된다. 평가 어블레이션에서는 학습된 모델을 그대로 유지한 채 과거 프레임만 제거한다.
그 과거 프레임이 사라지면 성능은 메모리가 없는 베이스라인 수준으로 되돌아간다. 이 결과는 모델이 학습 중 정규화 효과만 얻는 것이 아니라 추론 중 캐시된 이력을 사용한다는 점을 시사한다.
진동 분석은 또 다른 유용한 검증을 제공한다. Kyutai는 진동을 행동 청크 간 두 자세를 오가는 움직임으로 정의한다. 보고에 따르면 메모리는 영향을 받은 에피소드를 메모리 없는 경우의 훨씬 높은 비율에서 약 4분의 1 수준으로 줄인다.
하지만 이 측정치 역시 REKI의 저자들이 제시한 것이다. 독립 연구실은 서로 다른 시드, 하드웨어, 카메라, 제어 주파수로 어블레이션을 재현해야 한다. 작은 구현 차이도 로봇 벤치마크에 영향을 줄 수 있다.
지연 시간 비교도 맥락이 필요하다. Kyutai는 하나의 H100에서 LIBERO 입력을 사용해 공개 모델들을 측정했다. 공개 구현에 동등한 최적화 실행 경로가 없었기 때문에 팀이 여러 시스템을 직접 컴파일했다.
이러한 노력은 비교를 더 실용적으로 만들지만, 완전한 동등성을 보장하지는 않는다. 모델마다 아키텍처, 이미지 처리 요구 사항, 행동 예측 범위, 컴파일러 호환성이 다르다. 지연 시간 순위는 다른 가속기나 서빙 스택에서 달라질 수 있다.
REKI는 컴파일된 구성에서 21.8밀리초에 도달한다. Kyutai는 X-VLA 25.5밀리초, π0.5 33.8밀리초, ABot-M0 46.1밀리초, InternVLA-A1.5 51.3밀리초를 보고한다.
이 수치는 전체 로봇 반응 시간이 아니라 행동 청크 예측을 측정한 것이다. 프로덕션 시스템은 센서, 통신, 충돌 검사, 모션 계획, 액추에이터 명령도 처리한다. 가장 느린 요소는 신경망 모델 밖에 있을 수 있다.
실제 로봇 근거는 시뮬레이션 평가보다 범위가 좁다. Kyutai는 UR5 암을 사용한 자율 롤아웃을 보이고, 작업당 50개 시연으로 파인튜닝했다고 보고한다. 이는 배포 가능성을 보여주지만, 가정이나 공장 전반에서 폭넓은 신뢰성을 입증하지는 않는다.
짧은 메모리 윈도는 추가적인 운영상 질문을 만든다. 에피소드가 끝나거나 카메라가 바뀌거나 사람이 작업을 중단할 때 컨트롤러는 캐시된 레지스터를 재설정해야 한다. 그렇지 않으면 오래된 관측이 새로운 상황에 영향을 줄 수 있다.
로봇 상태는 레지스터 자체에는 들어가지 않는다. 이 덕분에 디노이징 단계 전반에서 재사용할 수 있어 효율이 향상된다. 동시에 접촉, 힘, 내부 제어 전이에 관해 표현할 수 있는 정보가 제한될 수도 있다.
시각적 이력은 물체가 움직였다는 사실은 보여줄 수 있지만, 왜 잡기가 실패했는지는 포착하지 못할 수 있다. 촉각 센서나 관절 토크 신호는 카메라에 없는 정보를 드러낼 수 있다. 향후 변형 모델은 효율성 이점을 잃지 않으면서 더 풍부한 입력을 시험해야 한다.
라이선스도 또 다른 제약이다. REKI의 코드는 MIT License를 사용하지만, 가중치는 CC BY-NC-SA 4.0을 사용한다. 기업은 공개되어 있다는 사실만으로 제한 없는 상업적 통합이 허용된다고 가정할 수 없다.
데이터세트 출처 역시 검토할 가치가 있다. 혼합 데이터는 공개되어 있을 수 있지만, 서로 다른 라이선스, 수집 절차, 카메라 설정, 행동 의미 체계를 가진 소스를 결합할 수 있다. Kyutai는 각 소스를 선별했다고 말하지만, 이후 사용하는 팀은 여전히 규정 준수 책임을 진다.
마지막으로, 벤치마크 선도 지위는 빠르게 바뀐다. 경쟁사들은 유사한 캐시 레지스터를 추가하거나, 더 큰 모델을 증류하거나, 컴파일러를 개선할 수 있다. REKI의 지속적인 기여는 하나의 리더보드 순위보다 메모리 설계가 독립적으로 채택되는지에 더 달려 있다.
Kyutai REKI의 다음 단계
REKI가 지속적인 VLA 베이스라인이 될지, 효율적인 연구 결과로 남을지는 세 가지 신호가 결정할 것이다.
첫 번째 신호는 독립 재현이다. 외부 그룹은 공개된 체크포인트를 사용해 메모리 어블레이션과 벤치마크 평가를 다시 실행해야 한다. 보고된 향상 폭이 재현된다면 레지스터 메모리가 구현 전반으로 이전된다는 주장이 강화될 것이다.
재현에는 성공률과 실패 범주가 모두 포함되어야 한다. 연구자들은 진동, 반복된 잡기, 멈춘 전이, 위험한 움직임을 집계해야 한다. 평균 점수는 메모리가 한 실패는 해결하면서 다른 실패를 악화하는지를 가릴 수 있다.
팀은 여러 윈도 길이도 시험해야 한다. REKI는 1초 간격으로 샘플링한 세 프레임을 사용하며, 이 중 두 개의 과거 프레임을 유지한다. 더 긴 윈도는 지연 시간이나 정확도가 저하되기 전에 레지스터 메모리가 어떻게 확장되는지 보여줄 것이다.
독립 테스트에서 보고된 향상과 낮은 오버헤드가 유지된다면 REKI의 아키텍처적 근거는 더 강해진다. 큰 차이가 나타난다면 현재 벤치마크에서 도출된 결론은 약화될 것이다.
두 번째 신호는 H100급 인프라를 넘어선 배포다. 공개된 21.8밀리초 측정치는 고급 데이터센터 가속기와 컴파일된 실행 경로를 사용한다. 실용적인 로봇 다수는 더 작은 엣지 장치나 공유 컴퓨팅 환경에서 작동한다.
양자화된 체크포인트, 축소된 이미지 해상도, 대체 가속기는 모델의 효율성이 현실적인 제약에서도 유지되는지를 보여줄 것이다. 엔드투엔드 테스트에는 카메라 수집, 전처리, 안전 검사, 제어 통신이 포함되어야 한다.
엣지 배포가 성공한다면 REKI의 소형 크기는 운영상 이점으로 이어질 것이다. 메모리는 가볍게 유지되지만 백본이 지연 시간을 지배한다면, 관심은 증류와 비전 인코더 최적화로 옮겨갈 것이다.
세 번째 신호는 더 길고 낯선 작업에서의 성능이다. RoboCasa365의 미관측 복합 작업 결과는 어려운 시간적 조합 문제가 여전히 해결되지 않았음을 보여준다. 모델은 오래된 맥락을 누적하지 않으면서 수 초를 넘어 관련 상태를 유지해야 한다.
연구자들은 REKI의 로컬 레지스터와 더 느린 에피소드 메모리를 결합한 하이브리드 시스템을 시험할 수 있다. 빠른 캐시는 즉각적인 움직임을 안정화하고, 별도의 플래너는 완료된 하위 작업과 장기 목표를 추적할 수 있다.
이 조합은 두 메모리 문제의 구분을 보존할 것이다. 로봇은 진동을 피하기 위한 국소적 연속성이 필요하며, 긴 절차를 완료하려면 작업 이력도 필요하다. 하나의 메커니즘이 반드시 두 문제를 모두 해결하는 것은 아니다.
경쟁사들도 또 다른 시험대가 될 것이다. Qwen-RobotManip은 스케일링, 정렬, 합성 궤적을 강조한다. Physical Intelligence의 π0.5는 실제 환경 전반의 폭넓은 일반화와 이질적인 학습 신호를 강조한다.
REKI는 더 제한적인 입장을 취한다. 효율적인 행동 측 메모리와 공개 데이터 사전학습이 경쟁력 있는 결과를 내는 작고 검토 가능한 정책을 만들 수 있다고 제안한다. 더 큰 모델이 개별 벤치마크에서 승리하더라도 이 입장은 가치가 있다.
개발자들은 다른 VLA 프로젝트가 레지스터 기반 메모리를 채택하는지, 또는 비교 가능한 어블레이션을 공개하는지 지켜봐야 한다. 광범위한 아키텍처 재사용은 이 기법이 하나의 모델에만 맞는 것이 아니라 공통 문제를 해결한다는 신호가 될 것이다.
기업 구매자는 다른 질문을 해야 한다. 시스템은 메모리를 안전하게 비우고, 전체 제어 루프 기한을 충족하며, 중단 상황에서 복구할 수 있는가? 의도한 상업 조건하에서 가중치를 사용할 수 있는가?
연구자들은 공개된 데이터 파이프라인이 보고된 체크포인트를 재현하는지 검토해야 한다. 또한 전처리 결정, 평가 시드, 컴파일러 설정도 문서화해야 한다. 이러한 세부 사항은 공개 릴리스가 사용할 수 있는 베이스라인이 되는지를 좌우하는 경우가 많다.
Kyutai REKI 모델은 범용 로봇 지능 경쟁을 끝내지 않는다. 다만 중요한 엔지니어링 논쟁 하나의 범위를 좁힌다. 최근 맥락은 모든 과거 프레임을 모델의 가장 비용이 큰 부분에 통과시키지 않고도 조작 성능을 향상할 수 있다.
다음 단계는 Kyutai의 환경 밖에서 검증하는 것이다. REKI의 메모리 향상이 독립 로봇, 더 작은 하드웨어, 더 긴 작업에서도 유지된다면, 행동 측 캐싱은 대형 VLA 개발자들이 무시하기 어려운 기술이 될 것이다.
