具身記憶賽道持續升溫，長記憶迎來新 SOTA

IROS 2026 最佳論文啟示錄：沒有長記憶的機器人，終將被淘汰。作者丨鄧哲敏 編輯丨齊鋮湧 本月初在匹茲堡閉幕的 IROS 2026 將最佳論文獎頒給了 LT-Mem，這項研究讓機器人重訪同一空間時，能完整保留每個物體的位置變遷史，而非僅僅記住最新一次看到的樣子。評委會從近兩千篇收錄論文中選中它，想必不僅是認可其紮實的工作，也是代表學界宣告：具身長記憶（long-term embodied memory）已經從一個工程補丁，變成了機器人領域公認的科學問題。從實際角度考慮，通用機器人要規模化落地，需要以小時、天乃至周為單位持續運行，而不只是幾分鐘。

沒有長記憶，每次相遇都是初次見面，機器人只是一個個孤立的單次動作執行器；有了長記憶，它才能從一次性工具變成可以長期上崗的同事。但解決這件事遠不是擴大上下文窗口那麼簡單：持續湧入的多模態數據既無法全部存儲，也無法全部檢索；現實世界還在不斷變化，新的觀察既不能簡單覆蓋舊的，也不能無序堆疊；更棘手的是，一條錯誤的記憶會在之後的決策裡被反覆調用，錯誤由此層層放大。記憶如何寫入、如何留證、如何糾錯，都是需要被正面回答的問題，靠調幾個工程參數解決不了。AI科技評論（公眾號）注意到，在這一方向被頂會加冕的數月前，國內具身初創公司貝塔無限就已坐上牌桌。

今年五月，貝塔的聯合創始人陶帥在採訪中明確表示：長效、多模態、時空記憶的缺失，是他們首先要重點突破的方向。隨後，團隊陸續發佈 BetaMem 全時空多模態記憶架構、世界動作模型 BetaWAM 0.1、首款機器人多米。10 月 20 日，團隊把 BetaMem 的寫入學習、證據管理和自我改進機制寫成了系統的方法與實驗，掛上 arXiv。論文交出的成績單頗為亮眼：BetaMem 採用 9B 開源模型生成記憶，在 M3-Bench-robot、LoCoMo、OpenEQA 和 EgoLifeQA 四項代表性記憶基準的對比評測中均取得 SOTA 成績。

尤其在串聯多次觀察中的線索、回憶長時間跨度的事件、識別個人習慣等任務上，BetaMem 展現出明顯優勢——這些能力，正是機器人進入生活、持續積累對人與環境的瞭解所需要的。LT-Mem 從多會話建圖切入，把問題收窄到乾淨、可評測；BetaMem 則從記憶如何形成、如何驗證、如何從失敗中學習的系統視角，搭建完整的記憶底座。一邊是頂尖學術單點攻堅摘得頂會桂冠，一邊是國內團隊以產業落地為目標搭建完整記憶底座，學術和產業在此交匯，足以證明長記憶是整個領域正在收斂的核心方向判斷。01記憶這道題，學界做到哪一步圍繞機器人長期記憶，學界探索了許多方法。

按年份羅列意義不大，AI科技評論（公眾號）想換個角度，看記憶回答了什麼問題，還剩什麼沒回答。第一類關注空間側的記憶，也就是“這裡有什麼”。Hydra、ConceptGraphs 等三維場景圖把物體、地點、房間組織成可被語言查詢的關係網，Khronos 把時間引入動態環境建圖，DynaMem 讓移動操作機器人在物體被挪動後繼續更新記憶，真機上對非靜止物體的取放成功率平均達 70%，是靜態系統的兩倍以上。這一支空間關係清楚，但記住的主要是當下這一版世界長什麼樣。第二類關注檢測類的記憶，也就是“我見過什麼”。ReMEmbR 把長時導航視頻建成可檢索的時空記憶，供智能體推理。

但檢索按相似度排序，取回的是過去的信息。五分鐘前桌上確實有杯子，現在還在不在呢？檢索不負責回答。第三類關注變化側的記憶，也就是“它變了沒有”。LT-Mem 正是這一思路。論文把現有系統的毛病命名為“時間性失憶”：要麼用新觀測覆蓋舊狀態，要麼存下語義快照卻沒有跨次訪問一致的物體身份。它用一個隨物體習性變化的易變性分數，決定新觀察該覆蓋、保持還是並存。作者也坦承侷限：測試只覆蓋兩個室內加一個室外場景、各 10 次訪問，外觀相似物體的身份關聯依然困難。第四類關注操作側的記憶，也就是“我做到哪了”。

MemoryVLA 指出主流 VLA 普遍忽視時序上下文，補上工作記憶與記憶庫後，長時程任務真實成功率比最強基線高出 26 個百分點；MEM 用視頻承載短時記憶、自然語言承載長時記憶，可跟蹤長達十五分鐘的任務，同時提醒，設計糟糕的記憶會因放大虛假相關而損害性能。四支各答一問，拼在一起，仍然有三道題敞開。其一，空間側與操作側各自生長、很少碰頭，前者可以跨周存在卻不進入手的動作，後者進了動作但壽命以分鐘計。其二，寫什麼、留什麼、何時核對，多靠人工設計，文本 Agent 已用強化學習學會管理記憶，具身記憶還缺同等成熟的做法。其三，記憶能否追溯到證據？

多數系統存的是描述，原始畫面和聲音在摘要之後就找不回來了。一條記錄憑什麼可信、出錯後怎麼複查，家庭場景裡遲早被用戶問到。有意思的是，學界目前分散留下的這三大空白，貝塔無限的 BetaMem 方案給出了一套完整對應的解法。從記住鑰匙的去向到主動尋找並重新確認——BetaMem 將記憶構建、檢索驗證與規則改進串成完整流程02把記憶做成一份有出處、有保質期的判斷BetaMem 的出發點，是把記憶看作機器人對世界的判斷，而不是一份日誌。論文把它落成三個互相關聯的結構：時態狀態圖，記錄現在認為世界是什麼樣；只追加的事件日誌，記錄狀態是怎麼變成這樣的；有限容量的源數據檔案，留存選定的原始圖像與音頻。

三者共用實體、事件和來源標識。檔案容量有限，哪些原始畫面整幀保留，哪些裁剪、降質或刪除，要在存儲與讀取預算下權衡。這樣拆，等於把證據和狀態分開。用法庭作比，證據是案卷，狀態是判決，判決可以改判，案卷不能塗改。只存證據不估狀態，系統知道看過什麼，卻說不清現在是什麼樣；只存狀態不留證據，一次誤判會被固化，出了錯也無從歸因。每條狀態記錄除內容外，還帶著空間上下文（所在地點或容器、座標系、地圖版本）、置信度、來源和版本號，並標明狀態：已觀察、推斷、衝突、過期或未知。時間分成三種：所述事情的有效區間、看到它的時間、寫進記憶的時間。轉變時間不確定就記成區間，超出直接觀察的內容一律標為推斷。

這像一本帶出處和保質期的臺賬，事後糾錯不會丟掉原始拍攝時間。在此之上，記憶分為六層。L0 工作記憶裝當前觀察、任務階段和動作歷史；L1 空間、L2 實體、L3 情景三層互相引用，一次情景中的狀態轉變可以修訂實體狀態，並通過 L1 掛到具體的地點和地圖版本；L4 經驗記憶沉澱規律，L5 程序記憶存放任務前置條件、可調用技能、預期觀察和恢復分支。事件日誌和源檔案貫穿六層，記憶經過整合與修訂，出處也不會丟。以論文裡的鑰匙為例，拿起、交接、放入是三個獨立事件，各自記錄執行人，並鏈接到帶時間戳的畫面和音頻；語音轉寫保留說話人，並鏈回原始音頻。

檢索時，機器人分得清誰拿到了鑰匙、誰把它放好，也分得清說出口的打算、轉述的結果和親眼觀察到的變化。寫入同樣有門檻。每段觀察先登記來源和採集時間，再切成窗口；模型輸出帶來源引用的實體、關係和事件提案，經外觀、位置、時間連續性與已有身份比對，拿不準的就保留多個候選假設。提交前，還要核對來源證據、時效範圍和所用記錄的版本。通過後追加一條事件、更新狀態，舊狀態留在歷史裡。其中最關鍵的一條原則是，歷史記錄只是搜索線索，不是現狀證明。鑰匙最後一次是在抽屜裡被看到的，機器人據此去抽屜查看，拿到新觀察後，才追加新版本的狀態。現在的真，要靠現在的觀察來確認。

這套思路與 LT-Mem 保守更新的邏輯相通，覆蓋面更大，狀態裡不只有物體的位置，還包括任務進度、容器開合和動作結果。陶帥曾公開表示，記憶系統能複用他此前在千人千面推薦系統中積累的經驗。把推薦系統處理不確定性、漂移偏好、過期判斷的成熟範式遷移到機器人時空記憶，是一個很巧妙的跨界遷移，也讓 BetaMem 的底層設計自帶一套經過產業驗證的不確定性治理思路。03讓同一份狀態進到手裡如果狀態只服務規劃器，仍然停在前文說的縫隙裡。貝塔無限的做法，是讓模型、Agent 和動作三層讀取同一份狀態，各取所需的時間尺度。

BetaMem 與世界動作模型 BetaWAM 同在統一大腦 BetaBrain 內，原則是分工保留、狀態共享，否則規劃、控制和預測各緩存一份世界，會越走越偏。動作層需要兩種記憶。一種是短時的動作與感知記憶。機械臂伸過去的一瞬間，目標常被自己的手臂遮住。擰瓶蓋要轉好幾圈，如果只看當前幾幀，機器人將分不清擰到第幾圈。BetaMem 把這次操作到現在發生了什麼，壓成少量持續更新的變量，包括執行到哪個相位、目標最後確認的位姿、近幾次接觸的力反饋。小偏差在這一層消化，超過閾值才寫回任務狀態，觸發重試、換技能或上報。另一種是跨回合的物理經驗。

櫃門要先抬再拉，玻璃杯外壁有水很滑，這類單次交互學到的常識，通常隨回合結束就丟了。BetaMem 把它們寫成對象級、環境級的可複用條目，供動作模型調用，再沉澱進策略。這恰好對上前面說的缺口，讓記憶跨過回合的邊界。動作做完之後是驗證。世界模型先依據記憶中的完整狀態，包括此刻看不見但先前確認過的部分，預測動作後的結果，驗證器再與視覺、力覺、位姿等真實反饋比對。誤差可接受就提交檢查點，局部偏差退回動作循環，假設失效則回到 BetaBrain 重新規劃。多大的誤差算異常，不靠人為設定閾值，而是從該物體、該動作的歷史偏差裡學出來。

04讓記憶越用越好機器人出了錯，可能是動作沒做好，也可能是關鍵線索沒寫進去、召回時機不對、過期狀態沒糾正。只按任務成敗更新動作模型，記憶的毛病會留著。貝塔無限把記憶策略和行為策略放進同一個反饋框架聯合優化，獎勵同時看任務完成、關鍵證據覆蓋、狀態一致性、失敗恢復、用戶滿意度、執行效率、長期收益和安全風險八件事。這套聯合優化框架跳出了只優化動作的常規思路，把記憶本身變成一個持續學習、持續進化的模塊，是極具創新性的一步。新發布的論文展示了 BetaMem 的兩項關鍵設計：讓小模型學會形成可靠記憶，讓記憶策略能夠從任務失敗中持續改進。

在記憶形成上，團隊通過監督微調與 GRPO 強化學習，訓練小模型關聯當前觀察與歷史信息，記錄對象狀態及其變化。獎勵依據來自多次獨立記錄和原始畫面複核：有證據支持卻容易遺漏的線索獲得更高權重，編造、歪曲和錯誤關聯受到懲罰。由此，記憶的完整性、真實性與時序一致性，都成為具體的學習目標。在策略改進上，貝塔無限設計了由失敗反饋驅動的記憶策略遞歸自我改進（RSI）機制。系統追蹤一次失敗涉及的信息保留、檢索和時效判斷等環節，提出針對性的規則修復，再保持基礎模型與機器人控制器不變，通過獨立回放檢驗修復效果。通過驗證的策略用於後續任務，新的失敗再推動下一輪迭代，讓任務經驗逐步沉澱為可複用的記憶管理策略。

BetaMem 根據失敗線索定位問題，提出局部修復，再經獨立回放評估決定是否發佈這套版本化、可回滾、帶灰度測試的記憶主動迭代流程，在具身智能領域非常少見。絕大多數記憶系統規則寫死，一旦上線很難安全迭代，而貝塔無限把軟件工程裡穩定可靠的發佈治理思想引入記憶進化，規避了自我進化容易失控的風險。畢竟，沒有回放門控的自我進化，本質上是用新錯誤替換舊錯誤。成績單如下，以下結果均使用 9B 開源模型 Qwen3.5-9B 生成記憶。該表由AI科技評論製作，數據來源於論文中表3-6分項裡最值得看的，是需要串聯多條記錄的題型。

M3-Bench-robot 上，多細節、多跳和人物理解三類題，分別領先最強參照 15.96、23.51 和 27.93 個百分點。這與它把記憶組織成帶身份、時間和來源的記錄的思路吻合，答對這類題需要的是一條證據鏈，而不是幾張相似的畫面。消融實驗同樣有說服力。去掉與原話關聯的來源證據，M3-Bench-robot 準確率從 48.08% 掉到 38.61%，損失 9.47 個百分點。寫入學習的效果也很具體，生成的寫入動作符合記憶庫規則的比例，從 50.9% 升到 86.2%，超過教師模型的 72.0%，每條入庫動作消耗的輸出 token 從 224 降到 118，減少 47.3%。

論文也坦陳了一些短板，但我們看重的是它的方向。把記憶做成可訓練、可追溯、可回滾的系統，並拿出了可複核的數字，這已足夠亮眼。05走進家庭，想象空間在哪裡結合家庭場景的特徵，我們更能體會到貝塔無限方案的精心設計。第一個特徵，是多變化。家庭不可能像工廠一樣設置嚴格的 SOP，物件不會各歸其位。鑰匙昨天在玄關，今天在抽屜，明天被孩子帶進房間。貝塔無限把證據與狀態拆開，讓機器人記住物品最新的樣子，也記住物品一步步來到此處的過程。第二個特徵，是多主體。工業場景裡，機器人遇到誰都可以做一樣的處理，但在家裡，不同的主人有不同的習慣、偏好、需求，機器人幹活難度自然陡增。

BetaMem 把動作主體和說話人分別歸屬到具體的畫面與語音來源，人物理解題 78.43% 的成績，落到家庭裡就是分得清家裡有幾個人、各自做了什麼。人物溯源能力，是家庭機器人落地非常關鍵的前置能力。如果一個系統分不清你和孩子，記再多內容也無用，反而是添亂。第三個特徵，是長週期。工業任務以分鐘、小時計，家庭相處以周、月、年計。真正有用的家庭機器人，要歸納出主人的習慣，避免主人反覆介紹物品、習慣和要求。同時，不把一次偶然當成偏好也很重要。貝塔無限對此的約束很明確，規律和程序必須經多次獨立經歷印證，單次事件不能固化成規則，這一定程度上能保證機器人行為的穩定性。

讓每一次相處積累的瞭解，成為下一次服務的基礎，這才是長期記憶真正的價值。而決定這套系統能否真正進門的，是第四個特徵——信任。家庭機器人記錄的是人的生活，用戶遲早會問出一句話：“你怎麼知道的？能刪嗎？”這不該是事後補的合規功能，而應當是記憶系統的生死線。貝塔無限的答案是把它做進架構裡：讀取按記錄、按來源逐條檢查權限，永久刪除需授權並讓派生內容與索引一併失效，端側保存近期觀察與本地身份，雲端只接收有界字段和被許可的證據引用，雲端不可用時本地照常工作。貝塔無限的整套設計，是為一個開放、多主體、長週期、且必須被信任的環境而生的，從根源上適配家庭機器人的核心訴求。

06下一站，進入生活當然，這四個特徵並不專屬於家庭。養老院裡，機器人要認得每一位被照護者，記得各自的習慣與禁忌；零售門店，貨架、庫存和客流時刻在變，今天和昨天的情況不是一回事。只要機器人長期和人、和真實世界交互，就繞不開長期記憶的問題。不妨回到論文頁眉那句副標題：Learning What Remains True as the World Changes，世界瞬息萬變，當知曉何為真。這句話妙在，它既是一道技術題，也是一道信任題。技術題是：機器人如何在一個隨時都在變的世界裡，分清曾經的真和現在的真。信任題是：當它給出答案，憑什麼讓人相信。

貝塔無限在具身長記憶的工作，本質上是把這兩道題併成一道來解——證據與狀態分離，讓曾經為真有案可查；狀態進入動作與驗證，讓現在為真有據可依；記憶策略聯合進化，讓將來如何為真有法可循。在一眾聚焦感知、控制、大模型調用的具身團隊裡，像貝塔無限這樣，將具身長記憶作為公司第一主線、投入整套底層體系研發的玩家，其實並不多見。當然，這份答卷仍有兩處空白：讓記憶越用越好的獨立實證，和真實家庭裡的長期數據。前者需要更多實驗，後者需要時間，九月底發佈的首款機器人多米，會是一個觀察的窗口。