招商局狮子山实验室突破柔性操作难题：LiOS端云协同如何重塑具身智能
柔性物体操作一直是机器人领域的技术难点，而招商局狮子山人工智能实验室的突破性进展正在重新定义这一领域的可能性。在2026世界机器人大会上，该实验室首次公开展示了其自主研发的柔性衣物自主折叠解决方案，这一成就不仅标志着中国在具身智能领域的重要进步，更为整个行业的技术发展提供了新的思路和方向。
传统的机器人在处理柔性物体时面临诸多挑战。衣物作为典型的无定型柔性物体，其材质特性、形状变化、表面摩擦等因素都具有极强的动态不确定性。这些特性使得机器人在执行叠衣任务时需要同时具备柔性感知、双臂协同、接触力控、长程作业、状态恢复等多项核心能力。每一个环节的微小失误都可能导致整个任务的失败，这种复杂性远超传统刚性物体的操作。
当前行业内的叠衣方案普遍存在着明显的局限性。大多数技术只能在理想化的实验环境中完成简单的折叠任务，一旦面对真实的家庭场景，如衣物褶皱堆叠、随机朝向、局部缠绕等情况，系统的成功率就会急剧下降。这种现象的根本原因在于仿真与真实环境之间的巨大差距，即所谓的虚实迁移鸿沟。
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都会影响仿真环境中设计的动作在真实设备上的执行效果。原本在虚拟环境中表现完美的动作序列，在实际操作中可能会出现各种意想不到的问题，如动作偏移、夹取不稳、抓取失效等。
招商局狮子山人工智能实验室通过构建完整的数据迭代闭环来解决这一难题。该闭环涵盖了训练、部署、轨迹采样与Real2Sim遥操作等多个环节，形成了一个自我完善的技术体系。在训练层面，实验室采用了分布式并行训练策略与高性能算子优化技术，使得模型训练吞吐效率提升了五倍以上。在评测层面，通过对仿真环境进行并行化重构，整体评测效率也得到了四倍以上的提升。
这些技术创新的成果在实际竞赛中得到了验证。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比赛冠军在内的众多世界级强劲对手，最终获得了全球第一名的优异成绩。这一成就充分展现了中国具身智能团队在全球范围内的技术领先地位。
LiOS端云协同基础设施是实验室技术体系的核心组成部分。该系统的设计理念源于对当前具身智能发展瓶颈的深入分析。实验室团队发现，柔性操作难以落地主要存在两个核心痛点：首先是机器人技术栈与大模型技术栈交叉带来的系统复杂度问题；其次是具身智能对算力与模型规模的持续需求与端侧设备限制之间的矛盾。
机器人侧涉及硬件本体、传感器、运动控制、安全执行等多个方面，而大模型侧则依赖于分布式训练、推理优化、模型服务与云端资源管理等技术。两者的交汇往往导致系统变得高度定制化，难以复用和扩展。同时，更强的感知、推理和动作生成能力需要更大规模的基础模型和训练资源，但端侧本体必须保持轻量、低功耗与实时安全的特性。
LiOS系统通过云侧、端侧、端云协同的三层架构来解决这些问题。云侧基础设施负责智能规模扩展，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。这些功能支撑模型参数向百亿规模扩展，同时保证大规模数据的获取、清洗、训练和评估效率。
在云侧基础上，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具身基础模型，包括VLA、WAM、WM等不同类型。这种架构设计显著提升了模型在语义理解、细粒度视觉感知、动作精细度等方面的能力。
端侧系统作为真实机器人稳定执行的运行环境，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。端侧系统保持严格的实时性与安全边界，确保云端训练出的模型能力能够可靠地落地到机械臂和执行器上。
端云协同层是整个系统的关键，它将真实机器人的现场数据以低延迟、可计算的数据流形式接入云端，支撑模型推理、远程接管和数据回流。端侧多路视觉、机器人状态和接管信号通过WebRTC/GStreamer稳定进入云端，图传组件围绕画面直接进入云端模型的设计理念，通过GPU编码、解码及色彩转换减少CPU-GPU往返搬运。
在跨机测试中，LiOS图传方案实现了约30毫秒的本地相机到云端显存单向端到端延迟，其中网络部分仅占24毫秒。相比通用中继方案，该方案加速了2.1至6.9倍，单路GPU解码吞吐达到每秒数千帧，为多路高帧率视觉接入预留了充足的余量。
在真实应用场景中，图传链路与云端推理优化协同工作，使LiOS云端部署实现了高于端侧5090的推理频率。这种高效的协同机制使得数据采集、模型训练、真机部署和闭环优化能够统一纳入基础设施，使具身模型能够在不同硬件平台、不同操作条件下完成复杂任务。
依托LiOS系统，招商局狮子山人工智能实验室在展会现场展示了三大核心能力。首先是多双臂平台并列叠衣能力，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成本。
其次是多类衣物折叠能力，系统能够自主识别短袖、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。这种智能化的识别和适应能力大大提升了系统的实用性和适用范围。
第三是大形变整理能力，面对成团缠绕、大面积褶皱、局部遮挡的衣物，机器人能够自主执行拖拽、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。这种能力的实现标志着机器人在处理复杂柔性物体方面取得了重要突破。
LiOS系统的成功不仅体现在技术层面的创新，更重要的是为具身智能的产业化应用开辟了新的道路。通过将数据采集、模型训练、真机部署和闭环优化统一纳入基础设施，系统能够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。
这种持续优化的机制使得系统能够不断适应新的场景和任务，逐步提升性能和可靠性。同时，端云协同的架构设计也为系统的扩展和升级提供了便利，使得新技术和新算法能够快速集成到现有系统中。
从更宏观的角度来看，招商局狮子山人工智能实验室的技术突破代表了中国在具身智能领域的快速发展。随着技术的不断完善和应用场景的拓展，具身智能有望在更多领域发挥重要作用，从工业制造到家庭服务，从医疗康复到教育娱乐，都将受益于这些技术进步。
柔性操作技术的发展还将推动相关产业链的完善和发展。从硬件制造到软件开发，从系统集成到服务运营，整个生态系统都将因这些技术突破而获得新的发展机遇。同时，这也为中国在全球人工智能竞争中占据更有利的位置提供了有力支撑。
展望未来，随着LiOS端云协同基础设施的不断完善和优化，具身智能技术将更加成熟和稳定。这不仅将推动机器人技术本身的发展，也将为人工智能在各个领域的应用提供新的可能性。招商局狮子山人工智能实验室的成功经验将为整个行业的发展提供宝贵的参考和借鉴，推动中国乃至全球具身智能技术的进一步发展。