文章摘要
衣物折叠是具身智能核心技术考验，当前主流叠衣方案存在痛点。招商局狮子山人工智能实验室构建数据迭代闭环，在2026年ICRA国际赛事夺冠。其总结出两大痛点，自研LiOS端云协同基础设施。8月19日，该实验室携此设施及柔性衣物自主折叠解决方案亮相2026世界机器人大会，未来将持续迭代，推动具身智能落地。

长期以来，衣物折叠都是全球具身智能领域公认的核心技术试金石。衣物属于典型的无定型柔性物体，其材质厚薄、褶皱形态、缠绕状态、表面摩擦力以及弹性形变都存在极强的动态不确定性。对人类来说，叠衣服只是轻松简单的本能动作，但对机器人而言，这却是对柔性感知、双臂协同、接触力控、长程作业、状态恢复五大核心能力的综合考验，而且任务难度会随着衣物品类、初始无序状态以及拓扑结构复杂度呈指数级上升。

目前行业内主流的叠衣方案普遍存在“仿真表现优秀、真机落地拉胯、应用场景受限”的典型痛点。多数技术只能在衣物摆放规整的理想实验环境中完成简单折叠，一旦进入家庭真实场景，面对褶皱堆叠、随机朝向、局部缠绕、成团挤压等复杂工况，很容易出现抓取落空、折叠错位、流程中断甚至任务失败的问题。造成这一技术难题的核心原因，是仿真与真机之间存在难以逾越的虚实迁移鸿沟：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，落地到真机后很容易出现动作偏移、夹取不稳、抓取失效等问题，导致实验室的算法无法顺利复刻到真实设备中。

针对这一行业共性难题，招商局狮子山人工智能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。在训练层面，团队引入了分布式并行训练策略与高性能算子优化，将模型训练的吞吐效率提升了5倍以上；在评测层面，完成了仿真环境的并行化重构，整体评测效率提升了4倍以上。凭借自研的VLA模型和扎实的系统工程能力，该实验室在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在内的众多世界级强劲对手，最终斩获全球第一名，凭借这一优异成绩展现了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。

通过大量的真机落地实践，该实验室团队总结出了柔性操作难以落地的两大核心痛点，这也是当前具身智能实现规模化、产业化的关键卡点。第一大痛点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、安全执行等模块，大模型侧则依赖分布式训练、推理优化、模型服务与云端资源管理，两者交汇之后，由于缺少统一的资源纳管与开发接口，真机系统很容易退化为高度定制化的集成方案，难以实现复用和扩展。第二大痛点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，但端侧本体又必须保持轻量、低功耗与实时安全的特性。真正释放具身大模型潜力的关键，在于让端侧机器人能够充分利用云端的算力与数据资源。

为此，该实验室自主研发了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了OS级的统一基础设施层面。具体来说，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
云端基础设施直接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，能够支撑模型参数向百亿规模扩展，同时保障大规模数据的获取、清洗、训练和评估效率。在此基础上，LiOS可以在更大参数规模的前沿预训练模型基座之上构建各类型具身基础模型，比如Qwen3-VL-30B-A3B / Qwen3-VL-235B-A22B、Wan2.2-T2V-A14B、DINOv3、V-JEPA-2等，进而提升模型的语义理解、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，实现了传感器同步、运动控制、安全执行、接管恢复以及本地状态管理。端侧系统保持严格的实时性与安全边界，让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能够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了系统层面的支撑。

端云协同：释放云端资源，形成数据闭环
该架构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。端侧的多路视觉、机器人状态和接管信号通过WebRTC/GStreamer稳定接入云端，图传组件围绕“画面直接进入云端模型”的思路设计，通过GPU编码、解码及色彩转换减少CPU-GPU之间的往返搬运。跨机测试数据显示，LiOS的图传方案实现了约30ms的“本地相机到云端显存”单向端到端延迟，其中网络部分耗时仅24ms，较通用中继方案加速了2.1到6.9倍；单路GPU解码吞吐可达每秒数千帧，为多路高帧率视觉接入预留了充足的余量。在真实场景中，图传链路与云端推理优化协同配合，让LiOS的云端部署实现了高于端侧5090的推理频率。通过这套架构，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体系，让具身模型可以在不同硬件平台、不同操作条件下完成复杂任务，同时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。

8月19日，2026世界机器人大会在北京亦庄正式拉开帷幕。招商局狮子山人工智能实验室首次亮相这场机器人领域的国际顶级盛会，依托自研的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。依托这套基础设施，实验室在展会现场使用通用双臂机器人平台顺利完成了复杂的柔性折叠任务，全面展示了三大行业领先的核心能力：

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，大幅降低了硬件定制适配的成本。

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。

本次亮相2026世界机器人大会，是该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，该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。

以上内容不代表本平台立场，仅供读者参考