详情

允中 发自 凹非寺

量子位 | 公众号 QbitAI

把一件皱成一团的穿着叠好，是家务，亦然机器东谈主操作里的“硬仗”。

叠穿着，缘何成为具身智能圈的“试金石”？

对东谈主类而言，“叠穿着”是个无需念念考的闲居生存动作，但在机器东谈主柔性操作领域，却是顶级难题之一。

衣物属于典型的无定型柔性物体，持起一个角，举座结构都会随之改变。

宏不雅上，机器东谈主要判断整件穿着的朝向、张开进程和折叠旅途；细节上，布料的摩擦、厚薄、弹性、静电吸附，致使毛边、线头、标签、拉链、纽扣与夹爪或桌面的渺小挂连，都会改变一次持取、拉平或翻折的驱散。

因此，叠穿着已成为前沿具身操作模子的进军考据场景。

Physical Intelligence在π系列发布中，将laundry folding四肢需要挑升post-training的高智谋任务；Dyna Robotics也把布料/衣物折叠四肢委果交易场景中的第一步，强调永劫刻闲隙运行、输出质料和虚伪处理能力。

叠穿着看似闲居，却同期检会具身智能机器东谈主的柔性物体感知、双臂协同、战斗限制、长程实行和现象规复能力。

它不是一项难度固定的任务，而是随开动现象、衣物类型和操作计算的变化，呈现出证明的难度梯度：

从仍是展平、边角证明的衣物动手折叠，到面对揉皱、翻折、朝向未知、局部遮盖的率性开动现象；

从尺寸较小、结构相对简易的儿童短袖、毛巾，到尺寸更大、解脱度更多的成东谈主长裤、长袖上衣；

检朴单对折，到需要先张开、整理、对皆再进行多步折叠的完满进程。

每加多一个维度，机器东谈主需要处理的现象空间、战斗不确定性和长程破绽都会马上放大。

叠衣任务就像是具身操作的一个缩影：豪阔逼近闲居生存，又豪阔蚁合地显露机器东谈主在委果天下中靠近的中枢难题。

△任务难度随衣物拓扑复杂度、开动现象复杂进程、衣物类型千般性与物体数目的加多而普及

长久以来，行业多数决议仅能在瞎想仿真环境或衣物摆放规整的圭臬化开动现象下完成简易叠衣动作，一朝面对委果家庭场景中衣物褶皱堆叠、立时朝向、局部缠绕等复杂工况，极易出现持取幻灭、折叠错位、进程中断等问题，无法杀青闲隙落地与鸿沟化应用。

在此配景下，招商局狮子山东谈主工智能实验室合伙智谱具身智能部门参加了ICRA 2026官方竞赛之一的LeHome Challenge。

该赛事聚焦家庭场景中的衣物操作，在其仿真环境中使用SO101双臂将衣物从展平现象动手折叠，检会具身模子在复杂柔性物体和丰富交互体式中的证明与操作能力。

多重工夫优化，探索虚实移动破局念念路

基于赛事官方西席数据和仿真环境，招商局狮子山东谈主工智能实验室团队（以下简称“实验室团队”）将西席、部署、轨迹采样、Real2Sim遥操作串联为数据迭代管线。

官方环境通过纹理、光照与衣物开动位姿的立时化，为政策提供了千般化的视觉与物理条目。

实验室团队在轨迹采样过程中进一步引入扰动与增广，围绕持取点偏移、张开不及、边际未对皆、折叠错位等典型失败模式彭胀现象散播，并勾搭Real2Sim遥操补充仿真中难以袒护的现象，将高质料操作教化回流至仿真西席进程，匡助政策在“西席—部署—采样—增广—回流”的轮回中逐渐普及叠衣任务施展。

为杀青高效的模子政策迭代闭环，实验室团队在西席层面引入多模态大模子西席框架中的散播式并行政策、高性能算子和多模态数据流优化决议，使西席蒙眬普及5倍以上；在评测方面，对官方仿真环境进行并行化校阅，普及土产货评测遵守4倍以上，维持评测所需的异构狡计资源横向彭胀。

最终，通过仿真赛阶段的政策迭代与考据参加了LeHome Challenge 2026的决赛圈。

但仿真环境的优异施展，无法胜利等同于真机落地能力。当优化后的政策部署至SO101实体机器东谈主后，虚实移动的中枢鸿沟显现。

受到打印件刚性、安装精度、夹爪闲隙性与限制破绽等身分影响，仿真中闲隙的持取、拉良善折叠动作，参加真机后可能施展为持空、夹取不稳、动作偏移，导致质料着落。

再加上SO101的5 DoF骨子本性，放大了委果场景的现象的千般性与立时性，更多的长尾现象成为真机考据中必须被不雅察和处理的贫苦。

具身模子参加委果物理天下进行迭代，同期也显露模子算法、硬件骨子除外的系统性问题。

仿真中得到的政策需要接入委果骨子，并通过畅通限制、实行不竭和安全机制膺惩为可一语气实行的真活泼作；委果运行中的现象变化、动作偏移和格外情况，也需要被实时不雅察、纪录和处理。

每一次真机实行都不再仅仅一次孤立尝试，而是贯串西席、部署、骨子限制、图传不雅察、现象纪录、东谈主工采纳和后续优化的一环。

恰是在这条被拉长的运行链路中，具身智能对系统级基础设施的需求变得证明起来。

自研LiOS架构，搭建端云协同智能基座

SO101真机叠衣背后，暴显现具身智能实践过程中的两个中枢问题。

第一个问题，是机器东谈主工夫栈与大模子工夫栈交叉后带来的系统复杂度。

机器东谈主本人仍是涵盖硬件骨子、传感器、末端实行器、畅通限制、安全实行和仿真环境；大模子体系相同依赖散播式西席、数据惩办、推理优化、模子服务和云霄资源照管。

近两年具身智能的爆发，正发生在这两个复杂工程体系的交织处：表层是多模态具身大模子西席算法与框架、部署服务和数据湖仓，中间是仿真评估、算力调动、存储系统与端云网罗传输，底层是委果骨子、畅通限制和安全实行。

零落系统级的资源纳管与息争开拓接口时，真机系统很容易退化为高度定制化的集成，难以复用、彭胀和陆续迭代。

第二个问题，是具身智能对狡计、数据和模子鸿沟的陆续需求。

机器东谈主要获取更强的感知、推理和动作生成能力，必须调用更大鸿沟的基础模子、更高效的数据系统和更充足的西席推理资源；而端侧骨子又必须保持轻量、闲隙、低功耗和实时安全，很难孤立承载这些能力。

委果开释具身大模子后劲的舛错，在于让端侧机器东谈主解脱土产货资源上限，充分期骗算力、数据湖仓和西席推理框架等千般云霄资源。

LiOS的理念，是把具身智能从离别的系统集成，推动到OS级的息争基础设施。

它一方面面向复杂工夫栈，息争纳管模子、数据、算力、硬件、仿真、网罗与东谈主机协同组件，对上提供闲隙开拓接口，对下适配千般机器东谈主系统与基础设施相反；

另一方面，面向智能能力彭胀，构建基于低延伸图传与现象同步的端云协同链路，让云霄大模子、数据湖仓和西席推理资源参加委果机器东谈主现场，使具身模子充分期骗云霄资源，维持端侧实时的实行任务。

LiOS是由云侧、端侧和端云协同共同组成一套围绕具身操作模子迭代张开的基础设施。

云侧面向智能的鸿沟彭胀。

云霄基础设施决定了具身大模子能力的上限。LiOS云侧涵盖多模态大模子散播式西席与推理优化、多模态数据湖仓照管、高并发仿真评估等中枢模块，维持模子参数向百亿鸿沟彭胀，同期保证大鸿沟数据的获取、清洗、西席和评估遵守。

在此基础上，LiOS可在更大参数鸿沟的前沿预西席模子基座（如Qwen3-VL-30B-A3B / Qwen3-VL-235B-A22B、Wan2.2-T2V-A14B、DINOv3、V-JEPA-2等）之上构建千般型具身基础模子（VLA、WAM、WM等），普及模子语义证明、细粒度视觉感知、动作细巧度等方面的能力。

端侧面向委果机器东谈主闲隙实行。

LiOS Runtime接入异构机器东谈主骨子、传感器、末端实行器和边际狡计单位，杀青传感器同步、畅通限制、安全实行、采纳规复及土产货现象照管。

端侧系统保持严格的实时性与安全范围，使云霄西席出的模子能力或者可靠落地到机械臂和实行器上。

勾搭Real-time Chunking等优化政策，LiOS能将大鸿沟模子生成的动作辅导膺惩为可实时实行的动作序列，为模子从鸿沟彭胀向委果实行提供系统维持。

端云协同是开释云霄资源的舛错，崇拜将委果机器东谈主现场以低延伸、可狡计的数据流接入云霄，并在模子推理、辛劳采纳和数据回流之间造成闭环。

LiOS在这一层不仅完成限制信令与现象同步，还将图传四肢舛错数据通路：端侧多路视觉、机器东谈主现象、动作过程和采纳信号通过WebRTC/GStreamer闲隙参加云霄，维持在线推理、rollout纪录和运行复盘。

不同于面向东谈主类不雅看的通用视频流，LiOS图传组件围绕“画面胜利参加云霄模子”假想，通过GPU编码、GPU解码和 GPU侧颜色编削减少CPU-GPU来往搬运，使视觉输入更快参加模子推理链路。

同期，实验室团队选择集合云霄推理服务的近网中继决议，适配实验室内网、企业网罗和云厂商VPC等复杂环境，在保证网罗可达的同期减少公网绕行。

勾搭多路相机并发上云能力，端云协同将委果实行现场、云霄模子能力和human-in-the-loop数据闭环贯串起来，成为LiOS维持具身模子陆续迭代的进军基础设施。

△LiOS端云协同-图传架构

在跨机测试中，LiOS图传决议杀青了约30ms（网罗部分24ms）的“土产货相机到云霄显存”单向端到端延伸，较Livekit为代表的通用中继决议在TCP纯正条目下（77ms）以及跨区公网Cloud部署下（165ms）加快2.1～6.9倍。

蒙眬方面，单路GPU图传可达到每秒数千帧量级的解码蒙眬，为多路、高帧率视觉接入预留了充足余量。

在委果场景下，图传链路与云霄推理优化协同，使LiOS在疏通任务和模子建立下，云霄部署或者杀青高于端侧5090的推理频率。

由此，LiOS将具身操作模子迭代中的数据麇集、模子西席、真机部署和闭环优化息争纳入基础设施：

麇集阶段维持多种决议接入，完成委果轨迹的获取、标注与质检；西席阶段依托云霄算力和多模态数据湖仓，完成政策西席、微调、评估与版块照管；部署阶段通过LiOS Runtime接入机器东谈主骨子、传感器和实行链路，在委果任务中考据闲隙性并优化部署成果；强化与闭环优化阶段，则通过云霄图传维持辛劳不雅察、东谈主工采纳和动作纠偏，将高价值纠偏样本及凹凸文千里淀为后续西席和政策优化的数据钞票。委果叠衣任务磨砺跨骨子、跨衣物、抗插手能力

基于LiOS，招商局狮子山东谈主工智能实验室杀青了叠衣任务向不同机器东谈主平台、不同衣物结构、不同开动现象和不同操作细节的平行彭胀。

1. 多双臂平台比肩叠衣

在LiOS的息争接入与运行维持下，三类解脱度、限制接口、畅通范围、末端实行器和实行精度不同的机器东谈主双臂平台均完成同类叠衣任务。

LiOS通过息争的接入、任务编排与限制实行框架，屏蔽不同机器东谈主骨子之间的相反，使表层政策无需近似搭建运行链路即可部署到多种硬件平台。

这体现了LiOS对多骨子接入与运行适配的维持能力。

2. 多类衣物折叠：短袖、长袖、裤子

不同衣物类别对应不同结构特征、现象变化和操作不竭。

短袖需要温情衣角、肩线、袖口和下摆之间的相对运筹帷幄；

长袖需要处理更长的袖身和袖口，稍有偏差就可能导致袖子缠绕、折叠错位或局部堆叠；

裤子则包含裤腿张开、裆部定位、傍边对称运筹帷幄和长条形结构对皆等设施。

不同衣物在结构、比例和可操作部位上存在相反，要求模子凭证衣物类型动态颐养温情区域、操作执法和折叠花样。

通过短袖、长袖、裤子等多类衣物的真机折叠展示，不错看到表层政策具备面向不同衣物结构的操作适合能力，而LiOS则为具身模子在真机上的闲隙部署和一语气实行提供了系统维持。

3. 大形变整理：从褶皱现象到可折叠现象

委果场景中，衣物很少以瞎想的展平姿态出刻下桌面上。

面对褶皱、翻折、遮盖或局部堆叠等现象，机器东谈主需要先通过大幅度的甩、拖动、拉直，将衣物整理成展平现象。

这一过程既磨真金不怕火模子对衣物舛错部位的识别和持取决策，也磨真金不怕火系统将大幅度动作闲隙实行到真机上的能力。

4.细巧整理动作：翻腕、拉平、对皆、压边

叠衣任务的难点不啻在于将衣物张开，更在于对柔性物体局部现象的陆续判断与细巧颐养。

比拟单一的张开动作，完满折叠需要机器东谈主在操作过程中处理裤腿卷曲、边际错位、裤腰双层等细节，并据此选拔拉平、对皆、翻折、压边等动作。

在这一过程中，模子崇拜证明衣物的局部形态并生成操作政策；LiOS则承载政策推理、动作调动和双臂限制链路，使这些细粒度动作或者闲隙落到委果机器东谈主实行中。

△裤腿卷折的立时性是叠率性现象的裤子的主要难点之一，磨真金不怕火模子的细巧操作能力以及复杂现象的鲁棒性

5. 一语气叠衣：从单次成效到长程闲隙运行

系统能力需要体刻下陆续、闲隙地完成一组衣物折叠任务上。

一语气处理多件衣物时，系统需要在不同衣物、不同开动现象和不同实职业态之间切换，并在每轮任务末端后闲隙参加下一轮操作。

这类长程任务更能磨砺LiOS在千般真机任务的闲隙性，同期磨砺表层政策在一语气任务中的泛化和格外规复能力。

通过广宽实践不错看到，真机任务迭代是一组由模子能力、机器东谈主骨子适配、真机限制和运行基础设施共同维持的系统工程。

LiOS将模子、硬件、限制与数据闭环整合为一套可运行、可复用、可迭代的机器东谈主系统工程框架，保证各设施闲隙协同，维持具身模子在不同硬件平台、不同衣物结构和不同委果操作条目下完成复杂任务，并在施走运行中积聚失败数据，反向推动模子与实行链路的陆续优化。

开源赋能行业，助力具身智能走向千门万户

为推动柔性机器东谈主操作领域工夫迭代与生态共建，招商局狮子山东谈主工智能实验室将逐渐怒放LiOS基础组件与数据资源，匡助征询者和开拓者更高效地构建、复现和迭代委果机器东谈主任务。近期，其将开源LiOS的低延时图传模块和LeFold数据集。

1.LiOS的低延时图传模块

低延伸图传是端云协同的中枢能力。

本次开源的LiOS图传组件可将多视角画面闲隙传入云霄显存并转为模子可用张量，维持云霄推理、辛劳不雅察和真机强化学习等各进程。

关联代码、部署文档与示例已同步开源，可拜访LiOS开源仓库了解笃定并参与共建：

cmriat/LiOS（https://github.com/cmriat/LiOS）

2.LeFold：SO101高质料叠衣数据集

SO101具备低资本、易复现、合乎教导与征询考据等特色，是连结LeHome现场真机赛任务考据和社区复现实验的进军平台。

围绕SO101，招商局狮子山东谈主工智能实验室将陆续整理叠穿着场景关联真机数据，包括不同衣物、不同开动现象、不同操作阶段下的真机实行过程。

△LeFold数据示例

四肢怒放生态的一部分，招商局狮子山东谈主工智能实验室将向社区连续开源千里淀的真机叠衣操作数据（https://huggingface.co/collections/cmriat/lefold），用于维持开拓者复现实验、西席政策和评估算法。

关联的数据处理与模子西席recipe和模子权重，也将逐渐开源在cmriat/LiOS开源仓库。

在具身智能领域，高质料真机数据，尤其是袒护长程柔性操作、双臂协同和失败规复过程的完满轨迹，是政策泛化与委果部署的进军瓶颈。

这次怒放的数据集包含多材质衣物折叠的全进程纪录，涵盖多视角视觉不雅测、机器东谈主要道现象和东谈主工采纳标注，旨在为征询者提供面向真机柔性物体操作的可靠数据基础。

当机器东谈主或者冷静面对一团凌乱的衣物时，具身智能才算委果迈出走进千门万户的第一步。

坚信通过这次开源，将为具身智能发展注入新的能源。

对于招商局狮子山东谈主工智能实验室

招商局狮子山东谈主工智能实验室由百年中央企业招商局集团在2024年9月开拓，接收“将智能赋予机器，把暖和送给东谈主类”的做事愿景，聚焦具身智能与大模子交融发展的前沿目的，重心布局具身基础模子、Embodied Reasoning、大模子后西席算法与框架等中枢征询。

实验室以“Robot × Agent”为工夫干线，构建袒护多模态数据、模子西席、后西席优化、具身推理、机器东谈主政策学习、全身畅通限制、先进定位导航的全栈工夫体系，奋发于于冲破智能体从数字空间走向物理天下的舛错工夫瓶颈，推动机器东谈主具备更强的感知、证明、推理、决策与泛化实行能力。

文件参考

1.Black K, Brown N, Driess D, et al. π_0: A Vision-Language-Action Flow Model for General Robot Control[J]. arXiv preprint arXiv:2410.24164, 2024.

2.Dyna Robotics. DYNA-1: Commercial-Grade Robots for Real-World Automation[EB/OL]. (2025-06)[2026-05-28]. https://www.dyna.co/research/dyna-1.

3.Li Z, Yang Y, Xie S, et al. Lehome: A simulation environment for deformable object manipulation in household scenarios[J]. arXiv preprint arXiv:2604.22363, 2026.

4.Hugging Face. LeRobot documentation: SO-101, v0.5.1[EB/OL]. (2026-04-07)[2026-05-28]. https://huggingface.co/docs/lerobot/so101.

5.5 LeHome Challenge. https://lehome-challenge.com/