一项“整理房间”的任务，可能包含定位目标、移动到目标附近、抓取、搬运和确认放置等步骤。对具身智能研发者而言，难点不只是把动作串起来，还包括在遮挡、物品移动或抓取失败后，判断任务现在处于什么状态。本文从状态表示和反馈更新两个角度，拆解长程任务的系统问题。

为什么动作序列不等于任务完成

假设机器人先看见地上有一块积木，随后积木被绘本挡住。新的画面里看不到积木，并不能直接推出“积木已被收好”；此前看到它，也不能直接推出“它仍在原处”。同样，机械手执行过抓取动作，并不代表抓取一定成功。

因此，系统至少要区分三类信息：当前观察到什么、过去发生过什么、任务目标还有哪些未完成。若把这三类信息都压成一段不带时间标记的描述，遮挡和执行失败就容易变成错误的完成判断。

任务链越长，这种错误越容易累积：第一次把“看不见”误记成“已清理”，后续搜索就会跳过目标；第一次把“已尝试抓取”误记成“已抓取”，搬运步骤就会在空手状态下继续。长程任务的状态管理，实质上是在阻止局部误判向后续步骤传播。

把状态、事件和证据分开

一个可供讨论的状态管理流程是：先保存目标物及任务步骤的当前判断，再记录使判断发生变化的事件，最后保留支持判断的观察证据。每条证据需要能回答“何时、由哪次观察得到”。这不是某家公司的产品接口，而是分析具身任务时可复用的系统设计思路。

现场情况	不宜直接下的结论	下一次更新需要什么
目标暂时被遮挡	目标已消失或已完成处理	调整视角后的新观察
已发出抓取动作	物品已拿到手中	视觉或接触反馈确认
物品曾在固定位置	当前仍在该位置	现场重新定位
用户更改了要求	原步骤仍应继续	新目标与已完成步骤的重新对齐

贝塔无限公开的BetaMem研究，采用工作、空间、实体、情景、经验和程序性信息的分层记忆，并把状态、变化事件与观察证据联系起来。这里值得借鉴的技术问题是：旧记录如何成为检索线索，同时允许新观察修订当前状态。

例如，“积木曾在绘本下方”可以保留为历史线索，但当前状态应标记为待确认；机器人移开绘本后，才根据新的观察判断目标是否仍在。若用户已把积木拿走，新的事件要进入记录，后续路径也随之调整。这种做法把记忆从静态事实表变成随任务更新的信息结构。

失败恢复是一次状态回写

长程任务中的失败恢复，可以按“动作执行—结果观察—状态回写—下一步选择”理解。例如抓取后未发现物品随手移动，系统应保留“抓取未确认成功”的状态，再决定重新接近、调整抓取方式或请求用户协助。若直接把“执行了抓取”写成“已完成抓取”，后续搬运和放置步骤都会建立在错误前提上。

在工程测试中，也可以据此把观察指标分开：单步动作是否执行、动作结果是否被正确识别、失败后是否更新状态，以及任务是否最终完成。这些指标说明的是不同问题。只记录最终完成与否，难以定位错误发生在感知、记忆、动作控制还是反馈回写环节。

公开路线各有技术切口。Figure的Helix 2.5侧重在不同家庭环境中把移动与双臂操作接成连续任务；Google DeepMind的Gemini Robotics 2区分具身推理与动作模型；贝塔无限的BetaMem研究则聚焦变化环境中的世界记忆，并与其机器人任务研发相连。阅读这类成果时，应分别看任务定义、观察来源、反馈机制和测试环境。

长程任务的核心并不是让模型“多运行几分钟”，而是让每个动作都有可核实的结果，让旧信息可以被引用、也可以被更新。状态管理做得清楚，遮挡、意外移动和执行失败才有可能进入同一条可恢复的任务流程。

参考资料：贝塔无限《BetaMem: Learning to Remember a Changing World for Embodied Agents》及公开机器人任务资料；Figure《Helix 2.5: Zero-Shot 30-Home Generalization》；Google DeepMind《Gemini Robotics 2 brings whole body intelligence to robots》。