LightMem-Ego: Dein KI-Gedächtnis für den Alltag
LightMem-Ego: Your AI Memory for Everyday Life
July 13, 2026
Autoren: Yijun Chen, Boyi Xiao, Yixian Zhao, Haoting Xia, Buqiang Xu, Jizhan Fang, Yanya Li, Yaqi Zheng, Xuehai Wang, Zirui Xue, Liuxin Zhang, Hui Li, Ningyu Zhang
cs.AI
Zusammenfassung
Persönliche KI-Assistenten auf mobilen und tragbaren Geräten erfassen kontinuierlich den Alltag der Nutzer durch visuelle und Audiostreams. Die Beantwortung von Fragen zu vergangenen Erlebnissen erfordert jedoch einen leichten multimodalen Speicher, der langfristige Erfahrungen kontinuierlich sammeln, organisieren und abrufen kann – eine nach wie vor große Herausforderung. Um dieser Herausforderung zu begegnen, präsentieren wir LightMem-Ego, ein leichtes Streaming-Multimodal-Speichersystem für die Alltagsunterstützung. Das System erfasst kontinuierlich egozentrische visuelle und Audiostreams, gleicht sie auf einer gemeinsamen Zeitachse ab und organisiert sie in einem hierarchischen Speicher, der aus Kurzzeit-, Kurzzeit- und Langzeitspeicher besteht. Bei einer Benutzeranfrage leitet LightMem-Ego den Abruf dynamisch an die entsprechende Speicherebene weiter und generiert Antworten, die auf multimodalen Beweisen basieren. Die Demonstration kann auf Smartphones und KI-Brillen eingesetzt werden und unterstützt die Objektsuche, Gesprächserinnerung, Lebenszusammenfassung, Routinenentdeckung und personalisierte Assistenz. Der Code ist verfügbar unter https://github.com/zjunlp/LightMem-Ego.
English
Personal AI assistants on mobile and wearable devices continuously perceive users' daily lives through visual and audio streams. However, answering queries about past experiences requires lightweight multimodal memory that can continuously accumulate, organize, and retrieve long-term experiences, which remains challenging. To address this challenge, we present LightMem-Ego, a lightweight streaming multimodal memory system for everyday-life assistance. The system continuously captures egocentric visual and audio streams, aligns them on a shared timeline, and organizes them into a hierarchical memory consisting of current, short-term, and long-term memory. Given a user query, LightMem-Ego dynamically routes retrieval to the appropriate memory level and generates answers grounded in multimodal evidence. The demonstration can be deployed on smartphones and AI glasses, supporting object finding, conversation recall, life summarization, routine discovery, and personalized assistance. Code is available at https://github.com/zjunlp/LightMem-Ego.