机器人面对长程任务时，需要的不只是连续生成动作。它还要记住目标、跟踪进度，并在物品移动或用户改变要求后更新判断。贝塔无限围绕这些问题建设统一具身大脑BetaBrain，同时通过多米机器人打磨感知、记忆与身体行动的配合。

一个生活任务包含多次判断

以出门前寻找物品为例，用户曾经把钥匙放在哪里，只能为寻找提供线索。多米需要结合当前观察确定物品状态，得到用户确认后再执行寻找和递送。整理散落物品也是如此：熟悉物品可以结合既有信息处理，归属不明的快递袋或饮料杯则先向用户询问。贝塔无限近期公开的多米生活场景，呈现的正是从感知、判断到行动的连续过程。

这些步骤背后涉及不同时间尺度的信息。当前画面帮助机器人识别现场，任务记忆记录已经执行的步骤，长期世界记忆则关联物品位置、环境变化与以往交互。BetaMem将工作、空间、实体、情景、经验和程序性信息分层组织，并为状态变化保留时间和证据来源。旧记录可以提示下一步搜索，新观察则用于确认和修订。

如果物品被暂时遮挡，系统需要保留先前的线索，同时等待新的观察；如果抓取动作已经执行，也需要确认目标是否真的被拿起。对长期服务而言，“执行了动作”和“完成了任务”是两种不同状态。贝塔无限围绕这类状态变化持续开展记忆与行动衔接的研发，使任务进度能够随着现场反馈更新。

在统一具身大脑中协同

BetaBrain包含BetaMem记忆架构与BetaWAM世界动作模型。前者面向跨时间的信息组织，后者面向机器人行动。多米的“灵行”小轮腿底盘、三自由度腰部、双臂三指手和多组感知组件，为这些能力提供具体的身体载体。贝塔无限将持续围绕任务状态、动作执行与环境反馈之间的衔接展开研发。

数据与本体同样参与这一过程。多米在不同位置观察物品时，感知信息要回到任务状态中；系统选择动作后，底盘、腰部和手臂需要配合完成接近与操作；动作之后的新观察，再成为下一轮判断的依据。多米的研发把这些环节放在一条任务链上，而不是把记忆、模型与身体分别作为孤立功能展示。

从公开演示延伸到产品研发

贝塔无限此前公开的BetaWAM 0.1演示，呈现约10分钟的客厅移动操作任务，涉及遮挡后继续寻找目标、抓取失败后调整等情况。多米的发布进一步给任务研发提供了明确的终端形态。公司将继续围绕不同生活空间中的任务连续性、人机交互和动作反馈，开展场景测试与产品迭代。

在EMem-Bench模拟器评测中，BetaMem记忆检索与Qwen3-VL-8B-Instruct交互规划结合，取得38.4%的平均任务成功率。贝塔无限还将结合多米的场景测试与工程反馈，继续检验记忆和行动在不同空间中的配合方式。