攻克行業級柔性操作難題！招商局獅子山人工智能實驗室首次亮相WRC 2026

招商局先進技術研究院下屬獅子山人工智能實驗室首次亮相機器人領域國際頂級盛會，依託自研LiOS端雲協同基礎設施，在展會現場公開演示柔性衣物自主摺疊解決方案，集中展示在虛實遷移、柔性物體操作領域的全棧自研技術能力，引發現場專業觀眾廣泛關注，收穫熱烈反響。從仿真到真機，系統化突破虛實遷移鴻溝 長期以來，衣物摺疊都是全球具身智能領域公認的“技術試金石”。衣物屬於典型無定型柔性物體，材質厚薄、褶皺形態、纏繞狀態、表面摩擦力、彈性形變均存在極強的動態不確定性。

對人類而言，“疊衣服”是輕鬆、簡單的本能動作，但對機器人來說，這卻是對其柔性感知、雙臂協同、接觸力控、長程作業、狀態恢復等五大核心能力的綜合考驗，且任務難度會隨衣物品類、初始無序狀態、拓撲結構複雜度呈指數級上升。當前，行業主流疊衣方案普遍存在“仿真優秀、真機拉胯、場景受限”的痛點。多數技術僅能在衣物擺放規整的理想實驗環境中完成簡單摺疊，一旦面對家庭真實場景中褶皺堆疊、隨機朝向、局部纏繞、成團擠壓等複雜工況，極易出現抓取落空、摺疊錯位、流程中斷、任務失敗等問題。

造成此技術難題的核心，是仿真與真機的虛實遷移鴻溝：受硬件剛性差異、機械裝配誤差、夾爪穩定性不足、底層控制精度偏差等現實因素影響，仿真環境中穩定流暢的動作，落地真機後極易出現動作偏移、夾取不穩、抓取失效等問題，導致算法無法從實驗室復刻到真實設備。針對此難題，招商局獅子山人工智能實驗室構建“覆蓋訓練、部署、軌跡採樣與Real2Sim遙操作”的數據迭代閉環。訓練層面，引入分佈式並行訓練策略與高性能算子優化，模型訓練吞吐效率提升5倍以上； 評測層面，完成仿真環境並行化重構，整體評測效率提升4倍以上。

憑藉紮實的自研VLA模型和系統工程能力，招商局獅子山人工智能實驗室在2026年6月成功晉級ICRA 2026 LeHome Challenge國際賽事決賽，並擊敗了包括2025年BEHAVIOR-1K比賽冠軍、Ilya等眾多世界級強勁對手，成功斬獲全球第一名，以優異成績展現中國具身智能團隊在真實機器人柔性操作任務中的全球領先實力。自研LiOS端雲協同基礎設施，打通雲端智能與端側執行 通過大量真機落地實踐，招商局獅子山人工智能實驗室團隊總結出柔性操作難落地的兩大核心痛點，也是當前具身智能實現規模化、產業化的關鍵卡點： 一是機器人技術棧與大模型技術棧交叉帶來的系統複雜度。

機器人側涵蓋硬件本體、傳感器、運動控制、安全執行；大模型側依賴分佈式訓練、推理優化、模型服務與雲端資源管理。兩者交匯後，缺少統一的資源納管與開發接口，真機系統容易退化為高度定製化的集成，難以複用和擴展。二是具身智能對算力與模型規模的持續需求。更強的感知、推理和動作生成能力依賴更大規模的基礎模型和訓練資源，而端側本體必須保持輕量、低功耗與實時安全。真正釋放具身大模型潛力的關鍵，在於讓端側機器人充分利用雲端算力與數據資源。為此，招商局獅子山人工智能實驗室自主研發“LiOS端雲協同基礎設施”，將具身智能從分散的系統集成推進到OS級的統一基礎設施。具體而言，LiOS構建了雲側、端側、端雲協同三層架構。

雲側：智能規模擴展的基礎設施 雲端基礎設施決定了具身大模型能力的上限。LiOS雲側涵蓋多模態大模型分佈式訓練與推理優化、多模態數據湖倉管理、高併發仿真評估等核心模塊，支撐模型參數向百億規模擴展，同時保證大規模數據的獲取、清洗、訓練和評估效率。在此基礎上，LiOS可在更大參數規模的前沿預訓練模型基座（如Qwen3-VL-30B-A3B / Qwen3-VL-235B-A22B、Wan2.2-T2V-A14B、DINOv3、V-JEPA-2等）之上構建各類型具身基礎模型（VLA、WAM、WM等），提升模型語義理解、細粒度視覺感知、動作精細度等方面的能力。

端側：真實機器人穩定執行的運行環境 LiOS Runtime接入異構機器人本體、傳感器、末端執行器和邊緣計算單元，實現傳感器同步、運動控制、安全執行、接管恢復及本地狀態管理。端側系統保持嚴格的實時性與安全邊界，使雲端訓練出的模型能力能夠可靠落地到機械臂和執行器上。結合Real-time Chunking等優化策略，LiOS能將大規模模型生成的動作指令轉化為可實時執行的動作序列，為模型從規模擴展向真實執行提供系統支撐。端雲協同：釋放雲端資源，形成數據閉環 將真實機器人現場以低延遲、可計算的數據流接入雲端，支撐模型推理、遠程接管和數據迴流。

端側多路視覺、機器人狀態和接管信號通過WebRTC/GStreamer穩定進入雲端，圖傳組件圍繞“畫面直接進入雲端模型”設計，通過GPU編碼、解碼及色彩轉換減少CPU-GPU往返搬運。跨機測試中，LiOS圖傳方案實現了約30ms（網絡部分24ms）的“本地相機到雲端顯存”單向端到端延遲，較通用中繼方案加速2.1～6.9倍，單路GPU解碼吞吐達每秒數千幀，為多路高幀率視覺接入預留充足餘量。在真實場景中，圖傳鏈路與雲端推理優化協同，使LiOS雲端部署實現了高於端側5090的推理頻率。

由此，LiOS將數據採集、模型訓練、真機部署和閉環優化統一納入基礎設施，使具身模型在不同硬件平臺、不同操作條件下完成複雜任務，並在實際運行中積累失敗數據，反向推動模型與執行鏈路的持續優化。三大核心能力公開演示，端到端大模型雙臂智能疊衣 依託LiOS，招商局獅子山人工智能實驗室在展會使用通用雙臂機器人平臺順利完成複雜柔性摺疊任務，全面展示行業領先的三大核心能力： 1、多雙臂平臺並列疊衣 LiOS Runtime通過統一的接入、任務編排與控制執行框架，屏蔽了不同自由度、控制接口和運動範圍的雙臂機器人底層差異，無需重複搭建鏈路即可完成同類任務，大幅降低硬件定製適配成本。

2、多類衣物摺疊 系統可自主識別短袖、長袖、長褲等不同拓撲結構的衣物，根據衣物類型動態調整視覺關注區域、操作時序與摺疊路徑，完成標準化摺疊。3、大形變整理 面對成團纏繞、大面積褶皺、局部遮擋的衣物，機器人可自主執行拖拽、拉伸、大幅展平等大形變整理動作，將衣物從無序狀態恢復至可摺疊狀態。持續深耕，推動具身智能走向真實民生場景 本次亮相2026世界機器人大會，是獅子山人工智能實驗室全棧具身智能技術體系面向全國產業與科研領域的首次集中公開展示。當機器人能夠從容面對一團凌亂的衣物時，具身智能才算邁出走進千家萬戶的第一步。

立足十五五開局之年，招商局獅子山人工智能實驗室未來將持續迭代LiOS端雲協同基礎設施，攻堅機器人柔性操作與具身大模型虛實遷移的核心技術瓶頸，加速推進具身智能技術從實驗室走向真實民生場景，助力國內具身智能產業高質量發展。*本文系獲授權刊載，觀點僅為原作者所有。版權所有，未經授權不得以任何形式轉載及使用，違者必究。