攻克行业级柔性操作难题！招商局狮子山人工智能实验室首次亮相WRC 2026

允中发自凹非寺
量子位 | 公众号 QbitAI

8月19日，2026世界机器人大会在北京亦庄盛大启幕。

招商局先进技术研究院下属狮子山人工智能实验室首次亮相机器人领域国际顶级盛会，依托自研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。

从仿真到真机，系统化突破虚实迁移鸿沟

长期以来，衣物折叠都是全球具身智能领域公认的“技术试金石”。

衣物属于典型无定型柔性物体，材质厚薄、褶皱形态、缠绕状态、表面摩擦力、弹性形变均存在极强的动态不确定性。

对人类而言，“叠衣服”是轻松、简单的本能动作，但对机器人来说，这却是对其柔性感知、双臂协同、接触力控、长程作业、状态恢复等五大核心能力的综合考验，且任务难度会随衣物品类、初始无序状态、拓扑结构复杂度呈指数级上升。

当前，行业主流叠衣方案普遍存在“仿真优秀、真机拉胯、场景受限”的痛点。

多数技术仅能在衣物摆放规整的理想实验环境中完成简单折叠，一旦面对家庭真实场景中褶皱堆叠、随机朝向、局部缠绕、成团挤压等复杂工况，极易出现抓取落空、折叠错位、流程中断、任务失败等问题。

造成此技术难题的核心，是仿真与真机的虚实迁移鸿沟：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，落地真机后极易出现动作偏移、夹取不稳、抓取失效等问题，导致算法无法从实验室复刻到真实设备。

针对此难题，招商局狮子山人工智能实验室构建“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策略与高性能算子优化，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。

凭借扎实的自研VLA模型和系统工程能力，招商局狮子山人工智能实验室在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等众多世界级强劲对手，成功斩获全球第一名，以优异成绩展现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。

自研LiOS端云协同基础设施，打通云端智能与端侧执行

通过大量真机落地实践，招商局狮子山人工智能实验室团队总结出柔性操作难落地的两大核心痛点，也是当前具身智能实现规模化、产业化的关键卡点：

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。

机器人侧涵盖硬件本体、传感器、运动控制、安全执行；大模型侧依赖分布式训练、推理优化、模型服务与云端资源管理。

两者交汇后，缺少统一的资源纳管与开发接口，真机系统容易退化为高度定制化的集成，难以复用和扩展。

二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，而端侧本体必须保持轻量、低功耗与实时安全。

真正释放具身大模型潜力的关键，在于让端侧机器人充分利用云端算力与数据资源。

为此，招商局狮子山人工智能实验室自主研发“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OS级的统一基础设施。

具体而言，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，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。

在此基础上，LiOS可在更大参数规模的前沿预训练模型基座（如Qwen3-VL-30B-A3B / Qwen3-VL-235B-A22B、Wan2.2-T2V-A14B、DINOv3、V-JEPA-2等）之上构建各类型具身基础模型（VLA、WAM、WM等），提升模型语义理解、细粒度视觉感知、动作精细度等方面的能力。