LiOS打通端云协同链路,招商局狮子山实验室验证机器人叠衣落地

把皱成一团的衣服叠好,正在成为具身智能走向家庭场景的一道硬题 。 招商局狮子山人工智能实验室围绕 ICRA 2026 LeHome Challenge 相关衣物操作任务, 展示了自研 LiOS 架构如何把仿真策略、真实机器人和云端模型资源连接起来。

📌 叠衣为什么是机器人操作难题

衣物属于无固定形状的柔性物体,抓起一个角, 整体姿态可能随之变化。机器人不仅要识别衣服朝向、边缘和可抓取位置, 还要处理布料摩擦、厚薄、弹性以及纽扣、拉链、线头等细节带来的干扰。

相比规则物体搬运,叠衣更像一组连续任务: 先判断状态, 再展开、拉平、对齐, 最后完成折叠。初始状态越随机, 衣物结构越复杂, 长程误差和接触不确定性就越容易放大。

🔍 从仿真竞赛到真机验证

实验室团队联合智谱具身智能部门参加 LeHome Challenge。公开材料显示, 赛事在仿真环境中使用 SO101 双臂完成衣物折叠, 团队基于官方训练数据和环境, 将训练、部署、轨迹采样、Real2Sim 遥操作组成数据迭代管线。

前期, 策略主要在仿真中通过纹理、光照、初始位姿随机化以及失败状态增广来提升鲁棒性; 后期,当策略进入 SO101 实体机器人, 打印件刚性、装配精度、夹爪稳定性和控制误差等现实因素开始显现, 仿真中的稳定动作可能变成抓空、夹取不稳或折叠偏移。

💡 LiOS 试图统一端云与机器人链路

LiOS 的定位不是单个叠衣模型, 而是一套围绕具身操作模型迭代的基础设施。它试图把模型、数据、算力、仿真、网络、机器人本体和人机协同放到统一链路中, 降低每次真机测试都重新集成的成本。

• 云侧:支持多模态模型训练、推理优化、数据湖仓管理和并行仿真评估。
• 端侧:通过 LiOS Runtime 接入机器人、传感器、末端执行器与边缘计算单元。
• 端云协同:负责图传、状态同步、远程接管、运行记录和数据回流。

📊 低延迟图传与多平台扩展是看点

材料披露,在跨机测试中,LiOS 图传方案实现约 30ms 的“本地相机到云端显存”单向端到端延迟, 其中网络部分约 24ms。其设计重点在于减少 CPU 与 GPU 之间的数据搬运, 让多路视觉更快进入云端推理链路。

基于 LiOS,团队还将叠衣任务扩展到不同双臂机器人平台和多类衣物, 包括短袖、长袖、裤子等。不同衣物对应不同操作重点: 短袖关注肩线与下摆, 长袖要避免袖身缠绕, 裤子则涉及裤腿展开、裆部定位和左右对齐。

🚀 总结: 具身智能竞争走向系统工程

围绕“云端模型如何落地物理世界? 招商局狮子山人工智能实验室用 L”，这一部分可从背景、现状与影响三个角度理解其关键信息。结合已公开内容来看，核心结论是趋势已较为明确，但细节仍需结合后续进展持续观察。