AgiBots LIFE gibt einem Roboter das Gedächtnis eines ganzen Tages und antwortet in 80 Sekunden statt in neun Minuten

AgiBot hat LIFE vorgestellt, ein Framework, mit dem ein Roboter auch zwischen zwei Aufgaben weiter beobachtet und sich erinnert. Den Teil, der entscheidet, was sich zu behalten lohnt, hat das Unternehmen als Open Source freigegeben. RoboBeats gibt es in den Größen 0.8B, 2B und 4B, als LoRA-Adapter auf Qwen3.5. Das Modell liest ein Kamerabild pro Sekunde und meldet, wenn eine Bedingung erfüllt ist („Ist die Aufzugtür offen?") oder etwas Neues passiert. Nur die markierten Momente landen im Gedächtnis. Chinesische Medien berichteten am 11. November Pekinger Zeit über die Veröffentlichung; der technische Bericht steht seit dem 30. Oktober auf arXiv.

Das aufschlussreichste Ergebnis liefert der Test mit einem echten Roboter, und es betrifft eher die Kosten als die Intelligenz. Mit demselben Antwortmodell erreichte AgiBots Agent bei Fragen zu einem Bürotag 29,5 von 30 Punkten. Ein allgemeiner Coding-Agent mit demselben Gedächtnis kam auf 28,5, brauchte aber 554,7 Sekunden pro Antwort statt 80,6 und 3,06 Millionen Input-Tokens statt 172,800. Ein Roboter, der sich alles merkt, ist nur bezahlbar, wenn etwas Billiges entscheidet, was er sich merkt. Dieses billige Teil ist RoboBeats.

Ein Bürotag, aus Videomaterial rekonstruiert

Für den Test nahm die Frontkamera eines A3-Ultra-Roboters vom 21. Oktober, 21 Uhr, bis zum 22. Oktober, 21 Uhr, Arbeitsbereiche, einen Besprechungsraum und eine Teeküche auf. Filter und Vorfilter wählten 256 Zeitfenster aus, die ein größeres Modell beschrieb; im Gedächtnis blieben 1,296 Schlüsselbilder. Zu den sechs Fragen gehörte, wem eine nach einem Meeting stehen gebliebene Tasse gehörte, wo eine Jacke zuletzt zu sehen war und wann die Mittagspause endete. Jede Frage wurde dreimal gestellt. Ein Coding-Agent, der nur das Rohvideo und kein Gedächtnis bekam, erreichte 24 Punkte und brauchte 961,5 Sekunden pro Antwort.

Die Autoren nennen das selbst „eine Fallstudie von begrenztem Umfang", und das Gedächtnis wurde nachträglich aus der Aufnahme gebaut, nicht live auf dem Roboter.

Bei gleichem Budget schlägt der Filter gleichmäßiges Sampling

In Benchmarks schneidet der Filter besser ab als die Modelle, auf denen er aufbaut. Bei der Aufgabe für proaktive Ausgaben in StreamingBench löste RoboBeats-4B in 64,0 % der Fälle innerhalb von zwei Sekunden um den richtigen Moment aus, sein Basismodell Qwen3.5-4B in 21,2 %. Der Bericht führt Claude Fable 5 mit 71,6 % und Gemini 3.7 Flash mit 80,0 %, gemessen nach den jeweils veröffentlichten Protokollen dieser Modelle. Auf SSS-Bench, einem neuen Satz von 618 Fragen zu 171 Videos, den AgiBot ebenfalls veröffentlicht hat, beantwortete ein Lesemodell mit dem von RoboBeats-2B ausgewählten Gedächtnis 60,5 % richtig, mit gleich vielen, in festen Abständen gezogenen Bildern 46,5 %.

RoboBeats wurde teils mit Charades-STA trainiert, einem der Benchmarks, an denen es gemessen wird. Offen ist, ob ein auf kurze Clips abgestimmter Filter in einer Fabrik oder Wohnung, die er nie gesehen hat, die richtigen Momente erwischt. Die Gewichte sind öffentlich, der Code steht unter Apache 2.0: Wenn du einen Roboter hast, kannst du es selbst prüfen.