招商局狮子山 AI 实验室首登 WRC：自研 LiOS 端云基建拿下柔性叠衣

招商局先进技术研究院下属狮子山人工智能实验室日前在 2026 世界机器人大会（WRC 2026）上首次公开亮相，依托自研「LiOS 端云协同基础设施」，现场演示柔性衣物自主折叠方案，集中展示了在虚实迁移、柔性物体操作方向的具身智能全栈技术能力。

真实场景叠衣：拿下 ICRA 全球冠军

衣物折叠长期被视为具身智能领域的「技术试金石」。由于衣物属于典型的无定型柔性物体，材质、褶皱、缠绕状态、表面摩擦力均存在较强动态不确定性，对机器人柔性感知、双臂协同、接触力控、长程作业与状态恢复五大能力构成综合考验。

行业主流方案普遍存在「仿真优秀、真机拉胯」的痛点，仿真环境中稳定的动作落到真机后极易出现抓取落空、流程中断等问题，根源在于虚实迁移鸿沟。针对这一难题，狮子山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 VLA 模型与系统工程能力，团队于 2026 年 6 月在 ICRA 2026 LeHome Challenge 国际赛事中击败包括 2025 年 BEHAVIOR-1K 冠军在内的多支世界级队伍，斩获全球第一名。

LiOS 端云协同基础设施：三层架构打通规模与执行

团队认为柔性操作难以规模化落地的核心卡点有两个：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，二是端侧本体必须轻量低功耗与具身大模型对算力、数据规模持续需求之间的矛盾。

LiOS 因此被设计为云侧、端侧、端云协同三层架构：

• 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，支撑模型参数向百亿规模扩展，可基于 Qwen3-VL-30B-A3B / Qwen3-VL-235B-A22B、Wan2.2-T2V-A14B、DINOv3、V-JEPA-2 等前沿预训练基座构建 VLA、WAM、WM 等具身基础模型。
• 端侧：LiOS Runtime 接入异构机器人本体、传感器、末端执行器与边缘计算单元，结合 Real-time Chunking 等策略，把大模型动作指令转化为可实时执行的序列。
• 端云协同：端侧视觉、机器人状态、接管信号通过 WebRTC / GStreamer 进入云端，跨机测试中实现约 30 ms（网络部分 24 ms）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；与云端推理优化协同后，云端部署推理频率高于端侧 5090。

现场演示三大核心能力

依托 LiOS，团队在 WRC 2026 现场使用通用双臂机器人平台完成复杂柔性折叠，集中展示三类能力：

• 多双臂平台并列叠衣：LiOS Runtime 屏蔽不同自由度与控制接口的底层差异，无需重复搭建链路即可适配多型号双臂平台。
• 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，动态调整视觉关注区、操作时序与折叠路径。
• 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、展平等动作，将无序状态恢复至可折叠状态。

从实验室走向民生场景

此次亮相是狮子山实验室全栈具身智能技术体系面向产业与科研界的集中公开展示。团队表示，机器人能从容面对一团凌乱的衣物，是具身智能走进千家万户的第一步；后续将继续迭代 LiOS 基础设施，攻坚柔性操作与虚实迁移的核心技术瓶颈，加速推进技术从实验室走向真实民生场景。