招商局狮子山AI实验室发布LiOS：打通云端模型到物理世界的具身智能基座

事件概述

叠衣任务作为柔性物体操作的典型场景，涉及感知、双臂协同、接触控制与长程执行等核心能力，是评价具身模型的“试金石”。招商局狮子山人工智能实验室（以下简称“实验室”）联合智谱具身智能部门参加ICRA 2026 LeHome Challenge竞赛，针对仿真环境中SO101双臂机器人的叠衣任务进行策略优化，并成功迁移至真机，提出了系统级基础设施LiOS。

核心信息

仿真到真机的挑战与LiOS架构

叠衣任务中，实验室在仿真阶段引入扰动增广和Real2Sim遥操作，将训练吞吐提升5倍以上、评测效率提升4倍以上，进入决赛。但真机部署时暴露了虚实鸿沟——打印件刚性、控制误差、5 DoF本体特性等导致动作偏移。为此，实验室构建LiOS架构，将具身智能从分散系统集成推进到OS级统一基础设施。

LiOS由三层组成：

• 云侧：支持百亿参数多模态大模型分布式训练、数据湖仓管理与高并发仿真评估，可基于Qwen3-VL-30B、Wan2.2-T2V等基础模型构建VLA、WAM等模型。
• 端侧：LiOS Runtime接入异构机器人本体、传感器与边缘计算单元，保持实时性与安全边界，将模型动作指令转化为可执行序列。
• 端云协同：通过低延迟图传（基于WebRTC/GStreamer）将端侧多路视觉与状态数据传入云端，实现在线推理、rollout记录与回环优化。图传方案实现“本地相机到云端显存”约30ms单向延迟，较Livekit加速2.1～6.9倍，单路GPU解码吞吐达每秒数千帧。

真机验证效果

基于LiOS，实验室完成了以下验证：

• 多双臂平台并列叠衣：三类不同自由度/控制接口的机器人均完成同类任务，体现跨本体适配能力。
• 多类衣物折叠：短袖、长袖、裤子等不同结构衣物成功折叠，模型具备动态调整能力。
• 大形变整理：从褶皱状态到展平状态，机器人能完成大幅甩动、拉直等操作。
• 精细整理动作：处理裤腿卷曲、边缘错位等细节，控制翻腕、拉平、对齐、压边。
• 连续长程运行：连续处理多件衣物，验证系统稳定性与异常恢复能力。

开源亮点

实验室将逐步开源：

• LiOS低延迟图传模块：在GitHub仓库cmriat/LiOS已发布代码、部署文档与示例。
• LeFold数据集：在Hugging Face（链接）开源SO101高质量叠衣数据集，包含多材质衣物折叠全流程的多视角视觉、关节状态及人工接管标注。
• 相关数据处理、模型训练recipe与权重也将陆续开源。