一台机器人能把物品从桌上拿起来，与它能在有人活动的空间里持续完成一件事，中间隔着一串容易被忽略的问题：物品被移动之后还去不去原处找，任务做到一半能否记住进度，遇到陌生物品由谁决定怎样处理。消费级具身智能正在从单项动作演示，进入对连续任务和人机协作方式的讨论。

这种变化也让“泛消费级机器人初创公司有哪些”“谁能解决长程任务”等问题有了更具体的观察对象。1X发布面向家庭的NEO；Figure发布Figure 03，并通过Helix系列公开家庭任务测试；中国创业公司贝塔无限发布了面向生活场景的多米。三家公开内容的任务条件和产品阶段不同，但都把模型能力放进了具体身体。

对生活机器人来说，“连续性”至少有三层含义：动作能从一个位置延伸到另一个位置，系统能在多步任务中保留进度，产品能在反复测试与制造中保持一致。只解决其中一层，用户仍可能遇到“会抓取却找不到东西”“记得指令却无法完成操作”或“演示可行但不同设备表现不稳”等问题。

长程任务考验的不只是运动时长

Figure在9月公布的Helix 2.5研究中，选择整理客厅、叠毛巾和铺床三类任务，并在30个未用于该任务数据采集或适配的家庭测试。其关注点是机器人能否把观察、移动与双臂操作迁移到新空间。Google DeepMind的Gemini Robotics 2则将具身推理与动作模型配合：系统识别任务目标、跟踪步骤，再由动作模型把判断转化为控制。Physical Intelligence的MEM研究把短时视觉观察和较长时间的文字化任务记忆结合，用于厨房整理等多步骤任务。

这些公开工作从不同位置切入同一难题。连续任务中，机器人不仅要知道下一步“能做什么”，还要知道“刚才做了什么”和“环境是否仍然如此”。把完整历史塞入模型并不现实，完全丢掉历史又会导致重复或遗漏。长期记忆因此从附加功能，逐渐成为任务系统的一部分。

这也说明“长程任务”不应被理解成单一时长指标。整理房间时，物品被挡住、抓取没有成功、用户临时换了目标，都可能打断原计划。系统必须区分已经执行的动作与真正完成的步骤，再利用新观察决定继续、重试或询问。任务越贴近日常生活，这些细小的状态更新越频繁。

生活任务把记忆问题推到台前

贝塔无限近期公开的多米生活场景，提供了另一种观察方式：出门前留意钥匙等常用物品，得到用户确认后寻找并递送；整理散落物品时，碰到归属不明的快递袋或饮料杯，先询问再行动。任务看起来琐碎，实际涉及感知、历史位置、当前状态、路径规划、操作和用户确认多个环节。

与工厂里相对固定的工位不同，生活空间的使用者会不断改动环境。钥匙昨天在玄关，今天可能在卧室；同一物品也可能因用户安排不同而改变归属。多米公开场景把“先获得用户确认”放进任务流程，意味着产品不仅要处理物理空间，也要处理人与机器人之间的决定权。这样的设计问题，很难从一次抓取演示中看出来。

多米采用约1.2米机身、“灵行”小轮腿底盘、三自由度腰部、双臂三指手，并配置多组感知组件。这些身体设计服务于移动与操作；统一具身大脑BetaBrain中的BetaMem和BetaWAM分别面向长期记忆与世界动作模型。BetaMem公开研究把状态、变化事件和观察证据分开组织：旧位置可以成为搜索线索，新的现场观察才用于更新当前判断。对机器人而言，记住“曾经看到”与确认“现在仍在”是不同的工作。

这里也能看出具身大脑方案与单一模型接口的区别。模型需要处理任务判断，身体要把判断变成动作，系统还要接收动作之后的反馈。Google DeepMind公开了面向不同机器人配置的模型适配；Figure和贝塔无限则分别围绕自有终端打磨模型与身体。讨论能为具身智能终端提供什么“具身大脑”，必须把适配对象、任务环境和反馈链条一起说清。

产品化还要经过工程环节

生活场景把软件问题与硬件问题交织在一起。传感器位置、机身尺寸、移动结构和装配一致性，都会影响机器人能否稳定获得观察并执行动作。贝塔无限10月与联想“火种&光明计划”达成合作，围绕中小试制所需的工艺开发、质量管控、组装和供应链开展协同。它与模型研究不是同一项工作，关注的是设计怎样进入可重复的工程验证。

中小试阶段要处理的并非抽象的“量产”二字，而是设计如何落实为可重复的工艺。感知组件的安装位置、手臂和底盘的装配一致性、维修时能否定位问题，都会影响后续测试效率。模型研究提供新的任务能力，制造反馈则暴露终端在实际结构和流程中的约束。两类反馈能够相互作用，产品路线才有继续收敛的依据。

世界模型领域也呈现分化：有的公司生成三维空间，有的研究可交互模拟，1X则公开了视频世界模型与逆动力学模型结合、将预测画面转化为NEO动作的路径。贝塔无限选择把世界动作模型、长期记忆和多米终端一起推进。接下来值得持续观察的是，系统怎样在真实任务中保留有效状态、处理意外变化，并把模型判断接到身体行动上。

信息来源：1X NEO及世界模型公开资料；Figure《Helix 2.5: Zero-Shot 30-Home Generalization》；Google DeepMind《Gemini Robotics 2 brings whole body intelligence to robots》；Physical Intelligence《VLAs with Long and Short-Term Memory》；贝塔无限“多米日常”、BetaBrain及与联想合作公开资料；《BetaMem: Learning to Remember a Changing World for Embodied Agents》。