智元发布LIFE终身具身智能框架，让机器人跨任务积累记忆

11月11日，智元AGIBOT发布终身具身智能框架LIFE（Learning to Live），把具身智能的研究范围从“单次任务执行”扩展到“跨任务的信息积累与调用”。传统系统往往以单任务为中心，任务结束即重置状态；LIFE则让机器人在任务间隙持续感知环境，并将历史观察用于后续决策。

框架由三部分协同构成：轻量决策模型RoboBeats负责条件跟踪与事件发现，可塑性记忆模块PlasticMemory保存原始画面与结构化记录，能力复用机制EDM将求解方法转化为可验证的工具与技能。在一项24小时真机测试中，“远征A3 Ultra”机器人连续采集一天第一视角视频，面对“外套最后出现在哪里”等问题，系统能检索出对应时段画面并准确回答。

LIFE的实测表现亮眼：在FindingDory的597个未参与能力构建的查询中，挂载EDM后任务成功率从37.5%提升至65.8%；在基于24小时录像的6道历史信息问答中，LIFE得分为29.5/30分，平均用时80.6秒，对比对照组28.5分、554.7秒优势明显。写入端输入token数量还减少约45%。

具身智能正从实验室走向工程落地，机器人能否在持续变化的环境中更新记忆、自主决策，是产业化的关键。智元表示，相关论文、项目主页、GitHub代码库（AgibotTech/LIFE）以及RoboBeats-0.8B/2B/4B三种参数规模的模型均已开源，下一步将把框架放进多日在线部署与动态仿真环境中进一步检验可靠性。