LIFE, da AgiBot, dá a um robô a memória de um dia inteiro e responde em 80 segundos em vez de nove minutos

A AgiBot apresentou o LIFE, um framework para que um robô continue observando e memorizando entre uma tarefa e outra, e abriu o código da peça que decide o que vale a pena guardar. Essa peça, o RoboBeats, vem nos tamanhos 0.8B, 2B e 4B, como adaptadores LoRA sobre o Qwen3.5. Ele lê um quadro da câmera por segundo e sinaliza quando uma condição é atendida ("a porta do elevador abriu?") ou quando algo novo acontece. Só os momentos sinalizados vão para a memória. A imprensa chinesa noticiou o lançamento em 11 de novembro, horário de Pequim; o relatório técnico está no arXiv desde 30 de outubro.

O resultado mais revelador está no teste com um robô real, e diz mais sobre custo do que sobre inteligência. Com o mesmo modelo de resposta, o agente da AgiBot fez 29,5 de 30 pontos em perguntas sobre um dia de escritório. Um agente de programação genérico com a mesma memória fez 28,5, mas levou 554,7 segundos por resposta, contra 80,6 do LIFE, e usou 3,06 milhões de tokens de entrada, contra 172,800. Um robô que lembra de tudo só fica viável se algo barato decidir o que lembrar, e essa peça barata é o RoboBeats.

Um dia de escritório reconstruído a partir do vídeo

O teste usou as imagens da câmera frontal de um robô A3 Ultra, gravadas das 21h de 21 de outubro às 21h de 22 de outubro em áreas de trabalho, uma sala de reunião e uma copa. O filtro e um pré-filtro escolheram 256 janelas para um modelo maior descrever, e a memória guardou 1,296 quadros-chave. Entre as seis perguntas estavam de quem era uma caneca deixada depois de uma reunião, onde uma jaqueta foi vista pela última vez e quando terminou o intervalo do almoço. Cada uma foi feita três vezes. Um agente de programação que recebeu só o vídeo bruto, sem a memória, fez 24 pontos e levou 961,5 segundos por resposta.

Os próprios autores chamam isso de "um estudo de caso de escala limitada", e a memória foi construída depois, a partir da gravação, e não ao vivo no robô.

Com o mesmo orçamento, o filtro supera a amostragem uniforme

Nos benchmarks, o filtro se sai melhor que os modelos sobre os quais foi construído. Na tarefa de resposta proativa do StreamingBench, o RoboBeats-4B disparou a até dois segundos do momento certo em 64,0% das vezes, contra 21,2% da sua base, o Qwen3.5-4B. O relatório põe o Claude Fable 5 em 71,6% e o Gemini 3.7 Flash em 80,0%, segundo os protocolos publicados por esses modelos. No SSS-Bench, um conjunto novo de 618 perguntas sobre 171 vídeos que a AgiBot também divulgou, a memória escolhida pelo RoboBeats-2B permitiu acertar 60,5%, contra 46,5% quando o mesmo número de quadros foi tirado a intervalos regulares.

O RoboBeats foi treinado em parte com o Charades-STA, um dos benchmarks usados para avaliá-lo. A pergunta em aberto é se um filtro ajustado com clipes curtos escolhe os momentos certos numa fábrica ou numa casa que nunca viu. Com os pesos públicos e o código sob licença Apache 2.0, qualquer pessoa com um robô pode tirar a prova.