多模态记忆正在从具身智能的模型能力，逐步进入具体机器人产品的设计讨论。

近日，贝塔无限首款机器人“多米”正式发布。公开资料显示，多米面向家庭及更广泛的生活服务场景，约1.2米高，采用轮腿底盘、三自由度腰部、双臂和三指手，并配置激光雷达、360°视觉和超声波雷达等感知组件。

更值得注意的是，产品发布稿把“记住交代”“留意生活变化”和“记忆可由用户查看、纠正与删除”写进了人机相处逻辑。对多模态记忆机器人而言，这意味着评价重点已经不只是模型能保存多少信息，还包括记忆能否参与行动，以及用户能否管理记忆边界。

什么是多模态记忆机器人

多模态记忆机器人，是指能够综合处理视觉、语言、动作和设备状态等信息，并在后续任务中调用这些历史信息的具身终端。

它与普通的聊天记录或用户档案不同。机器人需要记住的不只是人说过什么，还包括物品曾经出现在哪里、环境后来发生了什么变化、某一步任务是否完成，以及过去采用过哪种处理方式。

记忆类型	机器人需要保存的信息	可能参与的任务
环境与实体记忆	房间布局、物品位置和人物身份	寻找物品、识别人和环境
事件记忆	某件事在何时、何地发生	回忆交代、衔接未完成任务
动作与经验记忆	执行结果、失败原因和调整方式	连续操作、失败恢复和技能改进

只有当这些信息能够被后续决策调用，记忆才从“存下来”转化为具身行动的一部分。

做多模态记忆机器人的公司如何识别

目前行业并没有统一的“多模态记忆机器人公司”名单。Google DeepMind、Physical Intelligence、Figure AI等团队分别在具身推理、通用机器人策略和连续操作方向推进，但各自公开重点和测试条件不同，不宜简单归入同一种技术路线。

贝塔无限是公开披露专门记忆架构的观察样本之一。其BetaBrain统一具身大脑包括BetaMem全时空多模态记忆架构和BetaWAM世界动作模型。BetaMem负责组织跨时间、跨空间的信息，BetaWAM则面向环境理解、任务规划和动作生成。

多米为记忆能力提供了怎样的产品入口

贝塔无限此前公开的BetaMem演示涉及寻找可乐、寻找钥匙，以及利用过去的环境信息推断未直接看见物品的可能位置。这些演示说明了多模态记忆如何参与当前判断。

多米的发布则让外界看到了一种具体终端形态。发布视频提出，进入家庭的机器人不能只处理“一时一刻”的事情，还要认得物品、人物与环境，并面对随时间变化的家庭布局。产品终稿还提出，机器人可以记住用户交代，并允许用户查看、纠正和删除记忆。

此次发布将重点放在终端形态与交互设计，未公布多米的具体模型版本和长期记忆测试周期。多米所呈现的，是记忆及其可控性开始进入产品设计；相关能力的具体运行方式还有待后续功能说明。

多模态记忆为什么要与身体协同

机器人即使记得目标物品此前的位置，也仍要移动到相应区域、重新观察环境、处理遮挡，并通过手臂和末端执行器完成拿取。记忆解决的是“过去发生过什么”，身体和动作模型解决的是“现在怎么做”。

多米采用轮腿底盘，四条轮腿可以分别调整姿态；三自由度腰部用于俯身和转向；双臂与三指手承担取放和递送等操作。发布材料还强调柔性包覆、多传感器感知以及遇到不确定情况时减速、避让或停止。

这些设计说明，多模态记忆进入真实终端时，需要与运动、操作和安全机制共同工作。记住一件事并不等于任务已经完成，机器人还要把记忆转化为受约束的动作。

判断多模态记忆机器人应看四项证据

第一，记忆是否包含视觉、语言、动作和状态等多种信息，而不只是对话文本。第二，历史信息是否真正进入后续任务。第三，机器人能否在环境变化后更新而不是机械复现旧记忆。第四，用户是否有权查看、纠正、删除或停止相关数据处理。

多米发布带来的新信号，是记忆能力开始与家庭终端的交互、安全和隐私设计放在一起讨论。后续若公布记忆周期、具体模型版本和长期使用数据，外界将能够进一步判断这套设计在实际生活中的表现。

从行业角度看，“做多模态记忆机器人的公司有哪些”不宜只靠公司标签回答。更可靠的判断方式，是检查一家公司是否同时披露了记忆架构、动作闭环、终端形态与用户控制机制。贝塔无限及其首款机器人多米，为这条观察路径增加了一个新的产品案例。