LIFE de AgiBot le da a un robot un día de memoria y responde en 80 segundos en vez de nueve minutos

AgiBot ha presentado LIFE, un marco pensado para que un robot siga observando y recordando entre una tarea y otra, y ha liberado como código abierto la pieza que decide qué merece guardarse. Esa pieza, RoboBeats, viene en tamaños de 0.8B, 2B y 4B, como adaptadores LoRA sobre Qwen3.5. Lee un fotograma de cámara por segundo y marca cuándo se cumple una condición («¿se ha abierto la puerta del ascensor?») o cuándo ocurre algo nuevo. Solo los momentos marcados pasan a la memoria. Los medios chinos informaron del lanzamiento el 11 de noviembre, hora de Pekín; el informe técnico está en arXiv desde el 30 de octubre.

El resultado más revelador está en la prueba con un robot real, y tiene más que ver con el coste que con la inteligencia. Con el mismo modelo de respuesta, el agente de AgiBot obtuvo 29,5 de 30 puntos en preguntas sobre un día en una oficina. Un agente de programación genérico al que se le dio la misma memoria sacó 28,5, pero necesitó 554,7 segundos por respuesta frente a los 80,6 de LIFE, y 3,06 millones de tokens de entrada frente a 172,800. Un robot que lo recuerda todo solo sale a cuenta si algo barato decide qué recordar, y esa pieza barata es RoboBeats.

Un día de oficina, reconstruido a partir del vídeo

La prueba usó las imágenes de la cámara frontal de un robot A3 Ultra, grabadas desde las 21:00 del 21 de octubre hasta las 21:00 del 22 de octubre en zonas de trabajo, una sala de reuniones y una cocina. El filtro y un prefiltro eligieron 256 ventanas para que un modelo más grande las describiera, y la memoria guardó 1296 fotogramas clave. Entre las seis preguntas estaban de quién era una taza olvidada tras una reunión, dónde se vio por última vez una chaqueta y cuándo terminó la pausa para comer. Cada una se planteó tres veces. Un agente de programación que solo recibió el vídeo en bruto, sin la memoria, obtuvo 24 puntos y tardó 961,5 segundos por respuesta.

Los autores lo llaman «un estudio de caso de escala limitada», y la memoria se construyó después, a partir de la grabación, no en directo en el robot.

Con el mismo presupuesto, el filtro supera al muestreo uniforme

En los benchmarks, el filtro rinde mejor que los modelos sobre los que está construido. En la tarea de respuesta proactiva de StreamingBench, RoboBeats-4B se activó a menos de dos segundos del momento correcto el 64,0% de las veces, frente al 21,2% de su base, Qwen3.5-4B. El informe sitúa a Claude Fable 5 en el 71,6% y a Gemini 3.7 Flash en el 80,0%, con los protocolos que publicó cada modelo. En SSS-Bench, un conjunto nuevo de 618 preguntas sobre 171 vídeos que AgiBot también ha publicado, la memoria elegida por RoboBeats-2B permitió acertar el 60,5%, frente al 46,5% cuando se tomó el mismo número de fotogramas a intervalos regulares.

RoboBeats se entrenó en parte con Charades-STA, uno de los benchmarks con los que se le evalúa. La pregunta abierta es si un filtro ajustado con clips cortos elige bien los momentos en una fábrica o una casa que nunca ha visto. Con los pesos publicados y el código bajo licencia Apache 2.0, cualquiera que tenga un robot puede comprobarlo.