贝塔无限BetaMem登arXiv：9B模型拿下四项记忆基准SOTA

资讯雷峰网 2026/10/23 22:21 全文 6417 字 · 约 17 分钟读完配图 15 张分类SOTA 学术研究机器人

IROS 2026 最佳论文启示录：没有长记忆的机器人，终将被淘汰。

IROS 2026 最佳论文奖给了 LT-Mem，信号很直接：机器人要是没有长记忆，早晚会被淘汰。

这场会议本月初在匹兹堡闭幕。LT-Mem 做的事，是让机器人再次走进同一个空间时，把每个物体位置的变化过程都留住，而不只是记下最近一次看到的状态。评委会是从近两千篇收录论文里挑出它的。与其说只是肯定这项工作本身扎实，不如说学界借这个奖表了态：具身长记忆已经不再是一个工程上的补丁，而是机器人领域公认的科学问题。

落到实际应用上，通用机器人想规模落地，就得按小时、按天甚至按周持续运转，几分钟远远不够。缺了长记忆，每次碰上都是头一回见，机器人不过是一个个孤立的单次动作执行器；有了长记忆，它才可能从一次性工具变成能长期上岗的同事。

可这事远不是把上下文窗口调大就能了结。持续涌进来的多模态数据，既存不下全部，也检不出全部；现实世界又一直在变，新看到的东西既不能随手盖掉旧的，也不能乱堆一气；更麻烦的是，一条记错的记忆会在后面的决策里被反复调用，错误一层层放大。记忆怎么写进去、怎么留证据、怎么纠错，这些都得正面回答，调几个工程参数是解决不了的。

这个方向被顶会颁奖之前几个月，国内具身初创公司贝塔无限其实已经上了牌桌。今年五月，联合创始人陶帅在接受采访时说得很明确：长效、多模态、时空记忆的缺失，是他们要首先重点突破的方向。之后团队接连发布 BetaMem 全时空多模态记忆架构、世界动作模型 BetaWAM 0.1 和首款机器人多米。10 月 20 日，他们把 BetaMem 的写入学习、证据管理和自我改进机制整理成系统的方法与实验，挂上了 arXiv。

论文给出的结果相当亮眼：BetaMem 用 9B 开源模型生成记忆，在 M3-Bench-robot、LoCoMo、OpenEQA 和 EgoLifeQA 四项代表性记忆基准的对比评测里都拿到了 SOTA。特别是在把多次观察中的线索串起来、回忆长时间跨度的事件、识别个人习惯这几类任务上，BetaMem 的优势很明显——机器人要走进生活、持续积累对人和环境的了解，靠的正是这些能力。

两边的切入角度不一样。LT-Mem 从多会话建图入手，把问题收窄到干净、可评测的范围；BetaMem 则从记忆怎么形成、怎么验证、怎么从失败里学习这一系统视角出发，搭一整套记忆底座。一头是顶尖学术团队单点攻坚、摘下顶会桂冠，一头是国内团队盯着产业落地、搭完整记忆底座，学术和产业在这里交汇，长记忆是整个领域正在收敛的核心方向，这个判断由此得到印证。

记忆这道题，学界做到哪一步

机器人长期记忆这件事，学界试过很多路子。按年份一条条列没多大意思，换个角度看更清楚：这些记忆各自回答了什么问题，又还有什么没回答。

第一类盯的是空间侧的记忆，也就是“这里有什么”。Hydra、ConceptGraphs 等三维场景图把物体、地点、房间织成一张能用语言查询的关系网；Khronos 把时间带进动态环境建图；DynaMem 则让移动操作机器人在物体被挪走之后继续更新记忆，真机上对非静止物体的取放成功率平均达到 70%，是静态系统的两倍以上。这一支把空间关系理得很清楚，但记住的主要是当下这一版世界的样子。

第二类管的是检测类记忆，也就是“我见过什么”。ReMEmbR 把长时导航视频建成可检索的时空记忆，供智能体推理。问题在于检索是按相似度排序的，取回来的是过去的信息。五分钟前桌上确实有杯子，现在还在不在？检索不负责回答这个。

第三类看的是变化侧的记忆，也就是“它变了没有”。LT-Mem 走的就是这条路。论文把现有系统的毛病叫作“时间性失忆”：要么拿新观测盖掉旧状态，要么存了语义快照，却没有跨次访问一致的物体身份。它的办法是用一个随物体习性变化的易变性分数，来决定新观察该覆盖、该保持还是该并存。作者也承认局限：测试只覆盖两个室内场景加一个室外场景、各 10 次访问，外观相似的物体在身份关联上依然困难。

第四类落在操作侧的记忆，也就是“我做到哪了”。MemoryVLA 指出主流 VLA 普遍忽略时序上下文，补上工作记忆与记忆库之后，长时程任务的真实成功率比最强基线高出 26 个百分点；MEM 用视频承载短时记忆、用自然语言承载长时记忆，能跟踪长达十五分钟的任务，同时也提醒，设计得糟糕的记忆会因为放大虚假相关而拖累性能。

四支各答一问，合到一起，还有三道题没关上。其一，空间侧和操作侧各长各的，很少碰头，前者能跨周存在，却进不了手的动作，后者进了动作，寿命却按分钟算。其二，写什么、留什么、什么时候核对，大多靠人工设计，文本 Agent 已经用强化学习学会管理记忆，具身记忆还缺同样成熟的做法。其三，记忆能不能追溯到证据？多数系统存的是描述，原始画面和声音在摘要之后就找不回来了。一条记录凭什么可信、出了错怎么复查，在家庭场景里，用户迟早会问。

有意思的是，学界眼下散着的这三大空白，贝塔无限的 BetaMem 方案给出了成套的对应解法。

从记住钥匙放哪儿，到主动去找、再确认一遍——BetaMem 把记忆构建、检索验证和规则改进串成了一条完整流程

把记忆做成一份有出处、

有保质期的判断

BetaMem 的出发点，是不把记忆当日志，而把它看成机器人对世界作出的判断。

论文把它落成三个彼此关联的结构：时态状态图，记下现在认为世界是什么样；只追加的事件日志，记下状态是怎么变成这样的；有限容量的源数据档案，留住选定的原始图像与音频。三者共用实体、事件和来源标识。档案容量有限，哪些原始画面整帧保留，哪些裁剪、降质或者删掉，得在存储与读取预算之间权衡。

这么拆，等于把证据和状态分开了。拿法庭打比方，证据是案卷，状态是判决，判决可以改判，案卷不能涂改。只存证据不估状态，系统知道自己看过什么，却说不清现在是什么样；只存状态不留证据，一次误判就会被固化下来，出了错也没法归因。

状态记录不只写内容，还挂着空间上下文——在哪个地点或容器里、用的什么坐标系、地图是哪个版本，外加置信度、来源和版本号，状态一栏标明已观察、推断、冲突、过期还是未知。时间上分三种：事情本身的有效区间、看到它的时刻、写进记忆的时刻。转变时间拿不准就记成区间，凡超出直接观察的一律标为推断。说白了这是一本带出处和保质期的台账，事后纠错也不会把原始拍摄时间弄丢。

这六层之上，还叠着一套记忆分层。L0 工作记忆负责保存当下的观察、任务所处阶段以及动作历史；L1 空间、L2 实体、L3 情景三层彼此引用，情景中发生一次状态转变，就能反过来修订实体状态，再通过 L1 对应到具体地点和地图版本。L4 经验记忆用来沉淀规律，L5 程序记忆则存放任务前置条件、可调用技能、预期观察和恢复分支。源档案和事件日志贯穿全部六层，记忆虽经整合与修订，出处仍然留着。

论文里那把钥匙就是例子：拿起、交接、放入是三个独立事件，各记各的执行人，并链接到带时间戳的画面和音频；语音转写保留说话人，同时链回原始音频。检索的时候，机器人分得清钥匙是谁拿的、谁放好的，也分得清哪句是说出口的打算、哪句是转述的结果、哪些是亲眼看到的变化。

写入这一环同样设了门槛。每段观察先登记来源和采集时间，再切窗口；模型输出带来源引用的实体、关系和事件提案，拿外观、位置、时间连续性跟已有身份比对，没把握的就留多个候选假设。提交之前还要核对来源证据、时效范围和所用记录的版本。全过了才追加一条事件、更新状态，旧状态留在历史里。

这里头最关键的一条原则：历史记录只是搜索线索，不能当作现状证明。钥匙最后一次是在抽屉里被看到的，机器人据此去抽屉查看，拿到新观察之后才追加新版本的状态。眼下的真，得靠眼下的观察来确认。

陶帅曾公开表示，记忆系统能复用他在千人千面推荐系统里攒下的经验。BetaMem 的设计跟 LT-Mem 那套保守更新思路有相通之处，区别在于它管的面更宽：状态里装的除了物体位置，还有任务进度、容器开合和动作结果。推荐系统里对付不确定性、偏好漂移和过期判断的成熟做法，被搬到了机器人的时空记忆上。这个跨界挺巧妙，也让 BetaMem 的底层设计自带一套经过产业验证的不确定性治理思路。

让同一份状态进到手里

状态如果只服务规划器，那还是停在前文说的缝隙里。贝塔无限的做法是让模型、Agent 和动作三层读同一份状态，各自取自己需要的时间尺度。BetaMem 与世界动作模型 BetaWAM 同处统一大脑 BetaBrain 之内，原则是分工保留、状态共享，不然规划、控制、预测各缓存一份世界，只会越走越偏。

动作层需要两种记忆。

一种是短时的动作与感知记忆。机械臂伸过去的一瞬间，目标常被自己的手臂挡住。拧瓶盖要转好几圈，只看当前几帧，机器人根本分不清拧到第几圈。BetaMem 把这次操作到现在发生了什么压成少量持续更新的变量：执行到哪个相位、目标最后确认的位姿、近几次接触的力反馈。小偏差在这一层消化掉，超过阈值才写回任务状态，触发重试、换技能或者上报。

另一种是跨回合的物理经验。柜门要先抬再拉，玻璃杯外壁有水很滑，这类单次交互学到的常识，往往回合结束就丢了。BetaMem 把它们写成对象级、环境级的可复用条目，供动作模型调用，再沉淀进策略。这正好对上前面说的缺口，让记忆跨过回合的边界。

动作执行完，还得验证。世界模型先根据记忆里的完整状态预测动作后的结果，这其中包含此刻看不见、但此前已经确认过的部分；随后验证器拿视觉、力觉、位姿等真实反馈来比对。误差在可接受范围内，就提交检查点；只是局部偏差，退回动作循环；假设不成立，则回到 BetaBrain 重新规划。误差多大算异常，并不靠人设阈值，而是从该物体、该动作的历史偏差里学出来。

让记忆越用越好

机器人出错，可能是动作没做好，也可能是关键线索没写进去、召回时机不对、过期状态没纠正。只按任务成败去更新动作模型，记忆的毛病就会一直留着。

贝塔无限把记忆策略和行为策略放进同一个反馈框架联合优化，奖励同时看八件事：任务完成、关键证据覆盖、状态一致性、失败恢复、用户满意度、执行效率、长期收益和安全风险。这套联合优化框架没有走只优化动作的常规路子，而是把记忆本身变成一个持续学习、持续进化的模块。

新发布的论文展示了 BetaMem 的两项关键设计：让小模型学会形成可靠记忆，让记忆策略能够从任务失败中持续改进。

记忆形成这一侧，团队用监督微调加 GRPO 强化学习，训练小模型把当前观察与历史信息关联起来，记录对象状态及其变化。奖励依据来自多次独立记录和原始画面复核：有证据支持却容易漏掉的线索权重更高，编造、歪曲和错误关联要挨罚。这么一来，记忆的完整性、真实性与时序一致性都成了具体的学习目标。

策略改进这一侧，贝塔无限设计了由失败反馈驱动的记忆策略递归自我改进（RSI）机制。系统追踪一次失败牵涉的信息保留、检索和时效判断等环节，提出针对性的规则修复，再保持基础模型与机器人控制器不变，通过独立回放检验修复效果。验证通过的策略用于后续任务，新的失败再推动下一轮迭代，任务经验就这样逐步沉淀为可复用的记忆管理策略。

BetaMem 顺着失败线索定位问题，提出局部修复，再经独立回放评估决定是否发布

版本化、可回滚、带灰度测试，这套记忆主动迭代流程在具身智能领域非常少见。绝大多数记忆系统规则写死，上线之后很难安全迭代，而贝塔无限把软件工程里稳定可靠的发布治理思想引入记忆进化，避开了自我进化容易失控的风险。说到底，没有回放门控的自我进化，本质上是用新错误替换旧错误。

成绩单如下，以下结果均使用 9B 开源模型 Qwen3.5-9B 生成记忆。

该表由AI科技评论制作，数据来源于论文中表3-6

分项里最该看的是需要串联多条记录的题型。M3-Bench-robot 上，多细节、多跳和人物理解三类题分别领先最强参照 15.96、23.51 和 27.93 个百分点。这跟它把记忆组织成带身份、时间和来源的记录的思路对得上——答对这类题靠的是一条证据链，而不是几张相似的画面。

消融实验的结果同样能说明问题。一旦拿掉跟原话绑定的来源证据，M3-Bench-robot 的准确率就从 48.08% 滑到 38.61%，少了 9.47 个百分点。写入学习那块的表现也很实在：生成的写入动作符合记忆库规则的比例由 50.9% 提高到 86.2%，高过教师模型的 72.0%；每条入库动作花掉的输出 token 则从 224 降到 118，降幅 47.3%。

论文自己也没回避短板。不过团队更看重的是这条路的方向：把记忆做成能训练、能追溯、能回滚的系统，还给出了可以复核的数字，这本身就够抢眼。

走进家庭，想象空间在哪里

放到家庭场景里看，贝塔无限这套方案的设计用意会更清楚。

头一个特点是变化多。家里没法像工厂那样定死 SOP，东西也不会各归各位。钥匙昨天搁在玄关，今天进了抽屉，明天又被孩子带进房间。贝塔无限的做法是把证据和状态分开，机器人既记得物品最新的模样，也记得它一步步挪到这儿的过程。

第二个特点，是多主体。工业场景中，机器人碰上谁都按一套流程处理；到了家里就不行，不同主人有各自的习惯、偏好和需求，干活的难度一下就上去了。BetaMem 把动作主体和说话人分别挂到具体的画面与语音来源上，人物理解题拿到 78.43%，落到家庭里，就是分得清家里有几口人、各自干了什么。人物溯源这件事，是家庭机器人落地绕不过去的前置能力。系统要是连你和孩子都分不清，记得再多也是添乱。

第三个特点，是长周期。工业任务按分钟、小时算，家庭相处却按周、月、年算。真正顶用的家庭机器人，得能归纳出主人的习惯，省得主人一遍遍介绍物品、习惯和要求。与此同时，别把一次偶然当成偏好，这一点同样要紧。贝塔无限在这里的约束很明确：规律和程序必须经多次独立经历印证，单次事件不能固化成规则，这在一定程度上保证了机器人行为的稳定性。每一次相处攒下的了解，变成下一次服务的基础，长期记忆的价值正在这里。

决定这套系统能不能真正进门的，是第四个特点——信任。家庭机器人记录的是人的生活，用户迟早会追问一句：“你怎么知道的？能删吗？”这不是事后补个合规功能就能了事，它该是记忆系统的生死线。贝塔无限的选择是把它写进架构：读取时按记录、按来源逐条查权限；永久删除要授权，派生内容和索引一并失效；端侧存近期观察和本地身份，云端只收有界字段和被许可的证据引用，云端不可用时本地照常运转。

贝塔无限整套设计，面向的是一个开放、多主体、长周期、还必须被信任的环境，从根子上贴合家庭机器人的核心诉求。

下一站，进入生活

这四个特点当然不只属于家庭。养老院里，机器人得认得每一位被照护者，记住各自的习惯和禁忌；零售门店里，货架、库存和客流时刻在变，今天和昨天根本不是一回事。只要机器人要长期跟人、跟真实世界打交道，长期记忆这道题就躲不开。

不妨再回头看论文页眉那句副标题：Learning What Remains True as the World Changes，世界瞬息万变，当知晓何为真。

这句话妙就妙在，它既是技术题，也是信任题。技术上要回答的是：世界随时在变，机器人怎么分清哪些真属于过去、哪些真属于现在。信任上要回答的是：它给出答案时，凭什么让人信。

贝塔无限在具身长记忆上的工作，说到底就是把这两道题合成一道来解——证据与状态分离，让曾经为真有案可查；状态进入动作与验证，让现在为真有据可依；记忆策略联合进化，让将来如何为真有法可循。在一众盯着感知、控制、大模型调用的具身团队里，像贝塔无限这样把具身长记忆当成公司第一主线、还投入整套底层体系研发的玩家，确实不多见。

这份答卷也还留着两处空白：记忆越用越好的独立实证，以及真实家庭里的长期数据。前者要靠更多实验，后者要靠时间。九月底发布的首款机器人多米，会是一个观察的窗口。

本文由本站编辑组整理与排版，内容基于公开信息核实后归纳发布，与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态，力求信息准确、表述清晰；文中涉及的名称、价格与功能细节可能随官方调整而变化，请以官方最新说明为准。如发现疏漏或表述有误，欢迎通过站内渠道反馈指正。

继续浏览更多资讯

返回资讯目录