Avec LIFE, AgiBot donne à un robot une journée de mémoire et répond en 80 secondes au lieu de neuf minutes

AgiBot a présenté LIFE, un cadre destiné à faire qu'un robot continue d'observer et de mémoriser entre deux tâches, et a publié en open source la brique qui décide de ce qui mérite d'être gardé. Cette brique, RoboBeats, existe en versions 0.8B, 2B et 4B, sous forme d'adaptateurs LoRA pour Qwen3.5. Elle lit une image de la caméra par seconde et signale quand une condition est remplie (« la porte de l'ascenseur est-elle ouverte ? ») ou quand un événement nouveau survient. Seuls les moments signalés entrent en mémoire. Les médias chinois ont annoncé la sortie le 11 novembre, heure de Pékin ; le rapport technique est sur arXiv depuis le 30 octobre.

Le résultat le plus parlant vient du test sur robot réel, et il tient au coût plus qu'à l'intelligence. Avec le même modèle de réponse, l'agent d'AgiBot a obtenu 29,5 points sur 30 à des questions sur une journée de bureau. Un agent de programmation généraliste doté de la même mémoire a obtenu 28,5, mais il lui a fallu 554,7 secondes par réponse contre 80,6 pour LIFE, et 3,06 millions de tokens en entrée contre 172 800. Un robot qui retient tout n'est abordable que si une brique bon marché décide quoi retenir, et cette brique, c'est RoboBeats.

Une journée de bureau reconstituée à partir de la vidéo

Le test s'appuie sur les images de la caméra frontale d'un robot A3 Ultra, enregistrées du 21 octobre à 21 h au 22 octobre à 21 h dans des espaces de travail, une salle de réunion et une cuisine. Le filtre et un préfiltre ont retenu 256 fenêtres, décrites ensuite par un modèle plus gros, et la mémoire a conservé 1 296 images clés. Parmi les six questions : à qui appartenait une tasse laissée après une réunion, où une veste avait été vue pour la dernière fois, à quelle heure la pause déjeuner s'était terminée. Chacune a été posée trois fois. Un agent de programmation qui n'avait que la vidéo brute, sans mémoire, a obtenu 24 points et mis 961,5 secondes par réponse.

Les auteurs parlent d'« une étude de cas d'ampleur limitée », et la mémoire a été construite après coup à partir de l'enregistrement, pas en direct sur le robot.

À budget égal, le filtre bat l'échantillonnage régulier

Sur les benchmarks, le filtre fait mieux que les modèles sur lesquels il repose. Sur la tâche de réponse proactive de StreamingBench, RoboBeats-4B s'est déclenché à moins de deux secondes du bon moment dans 64,0 % des cas, contre 21,2 % pour sa base, Qwen3.5-4B. Le rapport indique 71,6 % pour Claude Fable 5 et 80,0 % pour Gemini 3.7 Flash, selon les protocoles publiés par ces modèles. Sur SSS-Bench, un nouveau jeu de 618 questions portant sur 171 vidéos qu'AgiBot publie aussi, la mémoire choisie par RoboBeats-2B a permis 60,5 % de bonnes réponses, contre 46,5 % avec le même nombre d'images prélevées à intervalles réguliers.

RoboBeats a été entraîné en partie sur Charades-STA, l'un des benchmarks qui servent à l'évaluer. Reste à savoir si un filtre réglé sur de courts extraits choisira les bons moments dans une usine ou un logement qu'il n'a jamais vus. Les poids sont publics et le code est sous licence Apache 2.0 : quiconque possède un robot peut désormais le vérifier.