攻克柔性叠衣难题：招商局狮子山人工智能实验室WRC 2026首秀自研LiOS

事件概述

8月19日，2026世界机器人大会在北京亦庄开幕，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，现场公开演示柔性衣物自主折叠解决方案。该方案依托自研LiOS端云协同基础设施，聚焦虚实迁移与柔性物体操作，展示了从仿真到真机的全栈自研技术能力。

核心突破

• 衣物折叠被视为具身智能领域的“技术试金石”，其难点在于衣物属于无定型柔性物体，材质、褶皱、缠绕、摩擦力、弹性形变均存在强动态不确定性，对柔性感知、双臂协同、接触力控、长程作业、状态恢复等能力构成综合考验。
• 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，根因在于仿真与真机的虚实迁移鸿沟，包括硬件刚性差异、装配误差、夹爪稳定性不足、底层控制精度偏差等。
• 实验室构建了“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。
• 2026年6月，实验室晋级ICRA 2026 LeHome Challenge决赛，击败包括2025年BEHAVIOR-1K冠军在内的多支国际强队，斩获全球第一名。

LiOS端云协同基础设施

实验室总结柔性操作落地的两大核心痛点：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，导致真机系统退化为高度定制化集成、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，而端侧本体必须保持轻量、低功耗与实时安全。

LiOS由此构建云侧、端侧、端云协同三层架构：

云侧：智能规模扩展的基础设施

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。可在Qwen3-VL-30B-A3B、Qwen3-VL-235B-A22B、Wan2.2-T2V-A14B、DINOv3、V-JEPA-2等前沿预训练基座之上构建VLA、WAM、WM等各类具身基础模型。

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。结合Real-time Chunking等优化策略，将大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，支持模型推理、远程接管和数据回流。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。在真实场景中，云端部署的推理频率高于端侧RTX 5090。

现场演示能力

展会现场使用通用双臂机器人平台完成复杂柔性折叠任务，展示三大核心能力：

1. 多双臂平台并列叠衣：通过统一的接入、任务编排与控制执行框架，屏蔽不同自由度、控制接口和运动范围的双臂机器人底层差异，降低硬件定制适配成本。
2. 多类衣物折叠：自主识别短袖、长袖、长裤等不同拓扑结构衣物，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：对成团缠绕、大面积褶皱、局部遮挡的衣物，自主执行拖拽、拉伸、大幅展平等动作，将衣物从无序状态恢复至可折叠状态。

实验室表示，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，推动具身智能从实验室走向真实民生场景。