10 月 20 日，国内具身智能创业公司贝塔无限把 BetaMem 记忆架构的论文挂上 arXiv。10 月 22 日雷峰网披露其评测结果：该方案在四项代表性记忆基准的对比评测中均取得 SOTA 成绩。就在同一时间窗口，IROS 2026 最佳论文奖授予了专注长期记忆的 LT-Mem 研究。
四项基准全部第一
BetaMem 采用 9B 开源模型生成记忆，在 M3-Bench-robot、LoCoMo、OpenEQA 和 EgoLifeQA 四项基准上均取得 SOTA 成绩。在串联多次观察中的线索、回忆长时间跨度的事件、识别个人习惯等任务上优势明显，这些恰好是机器人进入生活场景、持续积累对人与环境了解所需要的能力。
IROS 最佳论文的思路
10 月初在匹兹堡闭幕的 IROS 2026 把最佳论文奖给了 LT-Mem。这项研究让机器人在重访同一空间时能完整保留每个物体的位置变迁史，而不是只记住最近一次看到的样子。论文把现有系统的毛病命名为时间性失忆：要么用新观测覆盖旧状态，要么存下语义快照却没有跨次访问一致的物体身份。解决思路是用一个随物体习性变化的易变性分数，决定新观察该覆盖、保持还是并存。论文也坦承局限，测试只覆盖两个室内加一个室外场景、各 10 次访问。
三段式记忆底座
BetaMem 把记忆构建、检索验证与规则改进串成完整流程，结构上分三层：时态状态图记录现在认为世界是什么样，只追加的事件日志记录状态怎么变成这样，有限容量的源数据档案留存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要在存储与读取预算下权衡。这与北大董豪团队用 HIL-UMI 免真机做具身后训练是同一条产业线上不同环节的解法。
延伸阅读
- 小鹏 IRON 升级：每 0.2 秒重新推理，预测 6 秒动作变化17 小时前
- 宇树科技王兴兴：过去最大错误是不够相信AI，具身智能临界点最快一两年到来2 周前
- 地方政府成为机器人第一大客户：70座训练场、17亿订单背后的数据采集狂飙5 天前
- 工信部：上半年人形机器人产量超4万台，全年预计突破10万台4 天前
AI 自学笔记 每天更新 AI 前沿动态，订阅 RSS，或按 Ctrl/⌘+D 收藏本站，明天见。
继续读
同一批更新里这几篇值得一看：
- 宇树发布 H2-X 极限测试：主打 8 小时续航，开放世界物理 AI 竞赛2026-10-23
- 生数科技直播 Motubrain 2.0 全程训练：预训练到 RSI 四阶段公开2026-10-23
- Maxinsights 交付 200 万小时具身数据2026-10-23