攻克行业级柔性操作难题！招商局狮子山人工智能实验室首次亮相WRC 2026

允中 发自 凹非寺
量子位 | 公众号 QbitAI

8月19日，2026世界机器人大会在北京亦庄盛大启幕。

招商局先进技术研究院下属狮子山人工智能实验室首次亮相机器人领域国际顶级盛会，依托自研LiOS端云协同基础设施，在展会现场公开演示柔性衣物自主折叠解决方案，集中展示在虚实迁移、柔性物体操作领域的全栈自研技术能力，引发现场专业观众广泛关注，收获热烈反响。

从仿真到真机，系统化突破虚实迁移鸿沟

长期以来，衣物折叠都是全球具身智能领域公认的“技术试金石”。

衣物属于典型无定型柔性物体，材质厚薄、褶皱形态、缠绕状态、表面摩擦力、弹性形变均存在极强的动态不确定性。

对人类而言，“叠衣服”是轻松、简单的本能动作，但对机器人来说，这却是对其柔性感知、双臂协同、接触力控、长程作业、状态恢复等五大核心能力的综合考验，且任务难度会随衣物品类、初始无序状态、拓扑结构复杂度呈指数级上升。

当前，行业主流叠衣方案普遍存在“仿真优秀、真机拉胯、场景受限”的痛点。

多数技术仅能在衣物摆放规整的理想实验环境中完成简单折叠，一旦面对家庭真实场景中褶皱堆叠、随机朝向、局部缠绕、成团挤压等复杂工况，极易出现抓取落空、折叠错位、流程中断、任务失败等问题。

造成此技术难题的核心，是仿真与真机的虚实迁移鸿沟：受硬件刚性差异、机械装配误差、夹爪稳定性不足、底层控制精度偏差等现实因素影响，仿真环境中稳定流畅的动作，落地真机后极易出现动作偏移、夹取不稳、抓取失效等问题，导致算法无法从实验室复刻到真实设备。

针对此难题，招商局狮子山人工智能实验室构建“覆盖训练、部署、轨迹采样与Real2Sim遥操作”的数据迭代闭环。

训练层面，引入分布式并行训练策略与高性能算子优化，模型训练吞吐效率提升5倍以上；

评测层面，完成仿真环境并行化重构，整体评测效率提升4倍以上。

凭借扎实的自研VLA模型和系统工程能力，招商局狮子山人工智能实验室在2026年6月成功晋级ICRA 2026 LeHome Challenge国际赛事决赛，并击败了包括2025年BEHAVIOR-1K比赛冠军、Ilya等众多世界级强劲对手，成功斩获全球第一名，以优异成绩展现中国具身智能团队在真实机器人柔性操作任务中的全球领先实力。

自研LiOS端云协同基础设施，打通云端智能与端侧执行

通过大量真机落地实践，招商局狮子山人工智能实验室团队总结出柔性操作难落地的两大核心痛点，也是当前具身智能实现规模化、产业化的关键卡点：

一是机器人技术栈与大模型技术栈交叉带来的系统复杂度

机器人侧涵盖硬件本体、传感器、运动控制、安全执行；大模型侧依赖分布式训练、推理优化、模型服务与云端资源管理。

两者交汇后，缺少统一的资源纳管与开发接口，真机系统容易退化为高度定制化的集成，难以复用和扩展。

二是具身智能对算力与模型规模的持续需求

更强的感知、推理和动作生成能力依赖更大规模的基础模型和训练资源，而端侧本体必须保持轻量、低功耗与实时安全。

真正释放具身大模型潜力的关键，在于让端侧机器人充分利用云端算力与数据资源。

为此，招商局狮子山人工智能实验室自主研发“LiOS端云协同基础设施”，将具身智能从分散的系统集成推进到OS级的统一基础设施。

具体而言，LiOS构建了云侧、端侧、端云协同三层架构。

云侧：智能规模扩展的基础设施

云端基础设施决定了具身大模型能力的上限。

LiOS云侧涵盖多模态大模型分布式训练与推理优化、多模态数据湖仓管理、高并发仿真评估等核心模块，支撑模型参数向百亿规模扩展，同时保证大规模数据的获取、清洗、训练和评估效率。

在此基础上，LiOS可在更大参数规模的前沿预训练模型基座（如Qwen3-VL-30B-A3B / Qwen3-VL-235B-A22B、Wan2.2-T2V-A14B、DINOv3、V-JEPA-2等）之上构建各类型具身基础模型（VLA、WAM、WM等），提升模型语义理解、细粒度视觉感知、动作精细度等方面的能力。

端侧：真实机器人稳定执行的运行环境

LiOS Runtime接入异构机器人本体、传感器、末端执行器和边缘计算单元，实现传感器同步、运动控制、安全执行、接管恢复及本地状态管理。

端侧系统保持严格的实时性与安全边界，使云端训练出的模型能力能够可靠落地到机械臂和执行器上。

结合Real-time Chunking等优化策略，LiOS能将大规模模型生成的动作指令转化为可实时执行的动作序列，为模型从规模扩展向真实执行提供系统支撑。

端云协同：释放云端资源，形成数据闭环

将真实机器人现场以低延迟、可计算的数据流接入云端，支撑模型推理、远程接管和数据回流。

端侧多路视觉、机器人状态和接管信号通过WebRTC/GStreamer稳定进入云端，图传组件围绕“画面直接进入云端模型”设计，通过GPU编码、解码及色彩转换减少CPU-GPU往返搬运。

跨机测试中，LiOS图传方案实现了约30ms（网络部分24ms）的“本地相机到云端显存”单向端到端延迟，较通用中继方案加速2.1～6.9倍，单路GPU解码吞吐达每秒数千帧，为多路高帧率视觉接入预留充足余量。

在真实场景中，图传链路与云端推理优化协同，使LiOS云端部署实现了高于端侧5090的推理频率。

由此，LiOS将数据采集、模型训练、真机部署和闭环优化统一纳入基础设施，使具身模型在不同硬件平台、不同操作条件下完成复杂任务，并在实际运行中积累失败数据，反向推动模型与执行链路的持续优化。

三大核心能力公开演示，端到端大模型双臂智能叠衣

依托LiOS，招商局狮子山人工智能实验室在展会使用通用双臂机器人平台顺利完成复杂柔性折叠任务，全面展示行业领先的三大核心能力：

1、多双臂平台并列叠衣

LiOS Runtime通过统一的接入、任务编排与控制执行框架，屏蔽了不同自由度、控制接口和运动范围的双臂机器人底层差异，无需重复搭建链路即可完成同类任务，大幅降低硬件定制适配成本。

2、多类衣物折叠

系统可自主识别短袖、长袖、长裤等不同拓扑结构的衣物，根据衣物类型动态调整视觉关注区域、操作时序与折叠路径，完成标准化折叠。

3、大形变整理

面对成团缠绕、大面积褶皱、局部遮挡的衣物，机器人可自主执行拖拽、拉伸、大幅展平等大形变整理动作，将衣物从无序状态恢复至可折叠状态。

持续深耕，推动具身智能走向真实民生场景

本次亮相2026世界机器人大会，是狮子山人工智能实验室全栈具身智能技术体系面向全国产业与科研领域的首次集中公开展示。

当机器人能够从容面对一团凌乱的衣物时，具身智能才算迈出走进千家万户的第一步。

立足十五五开局之年，招商局狮子山人工智能实验室未来将持续迭代LiOS端云协同基础设施，攻坚机器人柔性操作与具身大模型虚实迁移的核心技术瓶颈，加速推进具身智能技术从实验室走向真实民生场景，助力国内具身智能产业高质量发展。

*本文系量子位获授权刊载，观点仅为原作者所有。