En el escenario actual de aceleración de la IA aplicada a la robótica, Kyutai —un consórcio formado por Inria y la École des Ponts— ha lanzado REKI, un modelo de visión-lenguaje-acción (VLA) de 2.4 mil millones de parámetros diseñado específicamente para mejorar la manipulación de objetos en entornos robóticos. Este proyecto representa una evolución significativa en cómo los sistemas de inteligencia artificial interactúan con el mundo físico, ya que REKI no se limita a procesar información pasiva sino que integra activamente su experiencia reciente mediante un mecanismo de memoria eficiente que reduce drásticamente el consumo de recursos.

La innovación central de REKI radica en su arquitectura VLA, que combina capacidades de visión multimodal, procesamiento de lenguaje natural y control de acción dentro de un solo marco de aprendizaje. A diferencia de los modelos tradicionales que requieren enormes cantidades de parámetros y memorias externas, REKI está pretrenado únicamente con datos públicos disponibles, lo que permite una mayor accesibilidad para investigadores y desarrolladores. Lo más notable es que el modelo incorpora una forma compacta pero potente de memoria que guarda información reciente de interacciones previas, permitiendo al robot recordar contextos específicos sin necesidad de almacenar todo su historial en una base de datos externa costosa en términos de cómputo y energía.

El rendimiento de REKI se evidencia claramente en sus resultados de evaluación en tres benchmarks de distribución fuera de dominio, donde sorprendentemente solo modelos aproximadamente dos veces más grandes lograron superar al nuevo sistema. Esta comparativa revela que, a pesar de su menor capacidad numérica, REKI logra una eficiencia remarkable al optimizar cada capa del modelo para la tarea específica de manipulación robótica. La competencia en estas pruebas sugiere que la arquitectura de Kyutai no depende simplemente del tamaño bruto de parámetros, sino de una curación algorítmica que prioriza la relevancia semántica y la generalización hacia nuevas tareas de agarrecimiento, colocación y navegación.

Esta ventaja se debe en gran medida a la integración entre la comprensión visual del entorno y la planificación de acciones basadas en el lenguaje interpretativo. Al poder contextualizar las instrucciones y las observaciones sensoriales simultáneamente, el robot desarrollado bajo REKI puede adaptarse mejor a escenarios dinámicos e impredecibles que caracterizan la manipulación manual real. La memoria eficiente actúa como un puente entre la experiencia previa y los nuevos desafíos, evitando que el sistema se sature ante interrupciones o cambios en el entorno circundante.

Para la comunidad tecnológica hispanohablante, este avance tiene implicaciones concretas en múltiples sectores. Desde la industria manufacturera hasta la asistencial, sistemas robóticos más ligeros y económicos pueden adoptar estos modelos sin requerir infraestructura computacional masiva. Además, la disponibilidad pública de todos los pesos del modelo facilita la replicabilidad de los hallazgos y fomenta la colaboración abierta, algo crucial en un campo donde la velocidad de innovación dicta la competitividad.

En conclusión, el lanzamiento de REKI marca un hito en el desarrollo de modelos de IA para robótica, demostrando que la eficiencia computacional puede ser tan importante como el tamaño absoluto de los sistemas. Al combinar el conocimiento previo obtenido públicamente con una memoria comprimida orientada a la acción, Kyutai ofrece una ruta prometedora hacia sistemas autónomos más inteligentes, rápidos y accesibles. La comunidad debe seguir monitoreando estas publicaciones, pues el siguiente paso probablemente sea expandir la capacidad de razonamiento temporal y la transferencia de destrezas entre diferentes tipos de entornos.