具身智能终端需要理解眼前环境，也需要利用过去的观察，并把判断转化为可执行的动作。贝塔无限研发统一具身大脑BetaBrain，将长期记忆与世界动作模型放在同一系统中，服务于连续变化的真实任务。

一条任务链需要什么信息

多米近期公开的生活场景包括出门前的物品提醒、用户确认后的寻物递送，以及整理时对归属不明物品的询问。以寻物为例，系统既要知道用户要找什么，也要判断物品过去出现的位置是否仍然有效；移动过程中还要结合新的观察调整任务。完成一个动作之后，下一步判断也依赖现场反馈。

BetaBrain中的BetaMem负责跨时间组织这些信息。它将工作、空间、实体、情景、经验和程序性信息分层保存，让状态、变化事件与观察证据相互关联。过去的记录可作为寻找线索，新观察则用于更新当前判断。BetaWAM世界动作模型面向机器人行动，与记忆部分共同支撑任务从判断走向执行。

这条任务链中，“记住”与“行动”并非先后完成的两个孤立步骤。机器人移动到另一处之后，现场观察可能改变先前判断；抓取或放置之后，系统也要依据结果更新任务状态。贝塔无限将持续围绕这种信息往返展开研发，让多米在具体生活任务中逐步形成更连贯的交互与执行过程。

与终端的感知和身体设计相接

多米采用“灵行”小轮腿底盘、三自由度腰部、双臂三指手，并集成激光雷达、视觉和超声波雷达等感知组件。这些结构既影响机器人怎样进入生活空间，也决定它怎样获得信息、移动到目标附近并完成操作。贝塔无限在BetaHEAM体系中，同时推进BetaData数据引擎、BetaAgenticOS物理智能体操作系统和BetaDesign模块化本体设计。

其中，数据引擎面向研发所需的数据组织，物理智能体操作系统连接任务与机器人执行，本体设计则落实移动、感知和操作所需的身体结构。多米既是这些研发工作的具体终端，也是后续场景测试的对象。不同环节的反馈将继续用于调整系统与身体的配合。

在服务场景中继续验证

多米面向人与机器人共同活动的空间设计。贝塔无限此前公布的规划是优先在高端康养院、奢侈品店等高端服务场景推进产品验证，再依据场景数据和工程反馈持续打磨，最后逐渐进入人居环境。不同空间对移动路径、物品识别、交互节奏和服务边界的要求并不相同。围绕这些真实任务积累反馈，有助于继续调整具身大脑与终端之间的配合。

面向具身智能终端，贝塔无限的研发重点是让记忆、行动和身体围绕同一项任务持续配合。多米提供了具体产品形态；后续场景测试与工程反馈，将继续用于打磨这种配合。