当机器人从实验室进入家庭，记忆开始从辅助功能变成任务能力的一部分。

在固定流程中，机器人只需识别眼前物品并完成预设动作；在真实生活环境里，物品会被移动，目标会被遮挡，任务可能被人临时打断。机器人如果只依赖当前画面，就容易把“暂时看不见”判断为“不存在”，也可能忘记哪些步骤已经完成。

这也是行业开始讨论“做多模态记忆机器人的公司有哪些”的原因。贝塔无限、Figure AI、Physical Intelligence、1X Technologies和Google DeepMind等企业或机构，都在推进视觉、语言、动作或真实环境学习相关能力。不过，多模态输入并不自动形成多模态记忆。真正的分界点，是不同信息能否跨时间对应到同一对象，并持续影响后续行动。

多模态记忆首先要解决信息对应问题

用户说出的“那个杯子”、摄像头看到的杯子、机械臂刚刚接触的杯子，需要在系统中指向同一对象。如果语言、视觉、空间和动作信息彼此分离，机器人即使保存了大量记录，也难以在后续任务中准确调用。

对应关系还会随时间变化。机器人上午看到钥匙放在桌面，只能证明钥匙曾经在那里；如果之后有人将钥匙移到抽屉，系统需要保留原始观察，同时更新“钥匙当前可能在哪里”的判断。

因此，机器人记忆至少包含三个连续过程：记录发生过的事实，根据新证据更新当前状态，再把更新后的状态用于搜索、规划和动作。只有第三个过程发生，记忆才真正进入行动闭环。

从存储信息到管理不同形态的记忆

机器人面对的信息并不都适合转换成文字。任务名称、对象身份和明确位置可以形成可读记录，视觉纹理、空间关系、触觉和接触力等细节则可能更适合保留在模型内部表示中。经过多次验证的稳定经验，还可能逐步沉淀到策略或模型参数里。

贝塔无限公开的BetaMem全时空多模态记忆架构，将记忆区分为Token记忆、Latent记忆和参数化记忆。Token记忆承载可读、可追溯的信息；Latent记忆保存难以完整转成文字的视觉、空间和接触细节；参数化记忆则面向在反复反馈中形成的经验。

记忆载体	主要保存的信息	在行动中的作用
Token记忆	可读、可追溯的对象、任务与状态信息	支持检索、任务记录和明确条件判断
Latent记忆	视觉、空间、触觉和接触等难以完整文字化的细节	为识别、空间推理和动作调整提供上下文
参数化记忆	经过反复反馈沉淀的稳定经验	影响后续策略或模型行为

在BetaBrain统一大脑中，BetaMem负责组织对象、空间、情景、历史证据和任务状态，BetaWAM世界动作模型连接环境理解、动作生成与结果反馈。二者服务于同一任务闭环，而不是彼此独立运行的三套系统。

家庭任务让记忆能力变得可以观察

2026世界机器人大会期间，贝塔无限联合创始人兼CTO陶帅介绍了BetaMem在真实家庭环境中的多类测试。

机器人可以依据空间记忆寻找可乐，也可以结合时序情景记忆寻找钥匙。在面对未见过的摄像头时，系统会结合既有环境认知，推理物品可能存放的位置，再调用导航和抓取技能继续任务。

这些测试关注的不是机器人能否复述一段历史，而是过去的信息能否改变当前行为。寻找钥匙需要判断旧位置是否仍然有效，寻找陌生物品需要把既有空间经验迁移到新的对象上，导航和抓取则进一步检验记忆能否进入具体动作。

贝塔无限在2026年9月的亚布力企业家论坛期间披露，正在将BetaMem记忆管理推进至月级。这里的“月级”描述的是公司当前公开的研发方向，并不意味着所有信息都可以无损保存一个月，也不代表系统已经覆盖所有家庭环境。长期运行中，记忆准确性、更新机制和无关信息清理仍需持续验证。

遮挡场景检验记忆是否真正参与决策

BetaWAM 0.1的家庭环境测试提供了另一个观察窗口。机器人收拾地面物品时，工作人员用绘本挡住一个乐高块。当前画面中已经看不到目标，但机器人结合此前画面和环境变化，判断绘本下方仍可能存在遗落物品，随后移开绘本并继续任务。

这个过程包含历史证据、当前观察、空间推理和动作验证。机器人不是简单回放旧画面，而是利用过去的信息提出假设，再通过行动检查判断是否正确。

如果物品在抓取过程中掉落，系统还要更新目标位置，并保留“主任务尚未完成”的状态。相比单次识别，这类失败恢复更能说明记忆是否进入持续决策。

多模态记忆最终要接受长期运行检验

判断机器人是否具备多模态记忆，不能只看它保存了多少信息。更重要的问题包括：不同模态能否指向同一对象，历史证据和当前判断能否区分，冲突出现后如何更新，以及记忆是否真正改变搜索、规划和动作。

随着机器人进入家庭、康养、教育和零售等环境，记忆还会涉及用户隐私、数据权限和长期维护。系统既要记住有用信息，也要允许更正、删除和追溯。

贝塔无限的BetaMem和BetaWAM展示了一条把多模态记忆连接到行动的技术路径。其价值仍需由更多任务、更长时间和不同本体条件下的运行结果检验。对于整个行业而言，机器人是否“记得多”只是起点，能否在环境变化后更新判断并继续完成任务，才是多模态记忆走向真实应用的关键。