⚛️量子位•較早收集於 88m
LiOS：打通雲端模型與具身智能機器人的橋樑
💡了解 LiOS 如何縮短雲端 AI 模型與真實世界機器人操控之間的技術落差。
⚡ 30-Second TL;DR
有什麼變化
LiOS 實現了雲端 AI 模型與物理機器人硬體的無縫整合。
為什麼重要
此框架加速了通用 AI 模型在物理機器人領域的部署，有望降低家庭自動化的技術門檻。
下一步行動
研究 LiOS 架構，評估其是否能優化您目前的機器人操控任務「模擬到現實」工作流。
誰應關注：Researchers & Academics
關鍵要點
- •LiOS 實現了雲端 AI 模型與物理機器人硬體的無縫整合。
- •支援家庭環境中複雜柔性物體的操控任務。
- •提供從模擬訓練到真實機器人部署的統一工作流。
- •專注於解決具身智能領域的「模擬到現實」（sim-to-real）落差問題。
🧠 深度解析
Web-grounded analysis with 15 cited sources.
🔑 增強重點摘要
- •LiOS系統提供「雲端訓練-端側部署-實景迭代-數據回流」的完整閉環工作流，實現遠程實時監測、智能自主糾偏與人工快速接管，有效降低了具身智能柔性操作的落地難度、算法復用率低和迭代成本高的產業痛點。
- •招商局獅子山人工智能實驗室計劃逐步開源LiOS的基礎組件與數據資源，包括低延時圖傳模塊和專為疊衣任務設計的LeFold數據集，以推動柔性機器人操作領域的技術迭代與生態共建。
- •LiOS在ICRA 2026的LeHome Challenge中展示了機器人穩定疊衣服的能力，證明其能處理無定型柔性物體，並在SO101開源機械臂真機平台上實現了真實場景狀態自適應修正和硬件約束下的高精度穩定控制。
- •該實驗室還開發了「靈衛·智能巡檢機器人」，深度融合自主環境感知、智能風險決策、主動隱患告警、全場景自主導航、一體化運維管控等五大核心功能，已在物業社區、商務樓宇、工業廠區等多元複雜場景中應用。
- •LiOS採用深度強化學習框架，徹底摒棄了傳統固化執行邏輯，賦予機器人主動感知、動態決策和自適應調整的智能能力，使其能夠實時識別衣物褶皺、表面遮擋等複雜狀態，並自主研判最佳抓取點位與折疊時機。
📊 競品分析▸ Show
| 特性/平台 | LiOS (招商局獅子山人工智能實驗室) | 摩爾线程 MT Lambda | 智平方 (AI² Robotics) | 逐際動力 LimX COSA |
|---|---|---|---|---|
| 核心定位 | 雲端模型與具身智能機器人橋樑，解決Sim-to-Real落差，專注柔性物體操控。 | 全棧國產化具身智能仿真平台，強調GPU、高保真仿真與數據合成。 | 「模型×硬件×場景」三位一體，通用具身大模型GOVLA，AlphaBot系列機器人。 | 全球首個具身Agentic OS，實現機器人「邊思考邊干活」的連續自主作業。 |
| 技術重點 | 深度強化學習框架，實時感知、動態決策、自適應調整，真機狀態自適應修正，高精度穩定控制，雲邊協同閉環。 | 全功能GPU、MUSA統一架構、上層開發與訓練平台、高保真仿真與渲染引擎。 | 通用全域全身具身大模型GOVLA，工業級可靠性硬件，半導體/汽車製造等場景落地。 | 認知與運動實時閉環，物理世界原生系統，突破傳統機器人被動執行限制。 |
| 應用場景 | 家庭環境中複雜柔性物體操作（如疊衣服），智能巡檢機器人。 | 汽車加工廠、倉儲車間、普通家庭室內等訓練場景。 | 半導體製造、汽車製造、公共服務、文商旅等。 | 全尺寸人形機器人Oli的連續自主作業。 |
| 開源策略 | 逐步開源基礎組件與數據資源（如低延時圖傳模塊、LeFold數據集）。 | 未明確提及開源，但強調加速本土創新生態。 | 未明確提及開源。 | 未明確提及開源。 |
| Sim-to-Real | 專注解決「模擬到現實」落差問題，實現仿真算法向真實物理場景的高效穩定遷移。 | 提供高保真仿真與渲染平台，解決數據難題，實現高質量數據合成。 | 強化基於數字孿生的運動控制技術，提升複雜環境下動作可靠性 (宇樹科技)。 | 透過OS系統實現認知與行動的實時閉環，適應真實物理世界。 |
🛠️ 技術深入
- LiOS採用深度強化學習框架，取代傳統固化執行邏輯，賦予機器人主動感知、動態決策和自適應調整能力。
- 系統能夠實時識別衣物褶皺、表面遮擋等複雜狀態，並自主判斷最佳抓取點位與折疊時機。
- 實現真實場景狀態自適應修正，使機器人能自主完成前置規整作業，將無序衣物梳理為標準化可折疊狀態。
- 具備硬件約束下的高精度穩定控制能力，有效抑制長時序作業的誤差累積，確保仿真算法向真實物理場景的高效穩定遷移。
- 系統支持低延時圖傳與毫秒級狀態同步技術，實現遠程實時監測、智能自主糾偏與人工快速接管。
- 形成「雲端訓練-端側部署-實景迭代-數據回流」的完整閉環。
- 實驗室計劃開源LiOS的低延時圖傳模塊和LeFold數據集，LeFold數據集圍繞SO101機械臂整理疊衣服場景的真機數據。
- LiOS已在SO101開源機械臂真機平台（5-DOF硬件結構）上進行實測與驗證。
🔮 前景展望AI analysis grounded in cited sources
LiOS的開源策略將加速具身智能技術的普及與應用。
開源基礎組件和數據集（如LeFold）將降低中小團隊的研發門檻，促進柔性操作領域的技術迭代和生態共建。
具身智能機器人將在家庭服務領域實現更廣泛的商業化落地。
LiOS成功解決了家庭環境中複雜柔性物體（如衣物）操作的難題，為此類機器人進入日常生活提供了關鍵技術支持。
招商局獅子山人工智能實驗室將在具身智能數據集和訓練平台方面扮演重要角色。
實驗室不僅開發了LiOS系統，還計劃持續整理和開源高質量的真機數據集LeFold，這對於推動行業數據標準化和模型訓練至關重要。
⏳ 時間線
2023-04
具身智能概念因大模型發展而走紅，VLA等端到端模型展現出驅動機器人完成任務的強大能力。
2024-09-12
招商局獅子山人工智能實驗室在香港科學園舉行揭牌儀式，聚焦具身智能研發。
2024-11-14
招商局獅子山人工智能實驗室攜智能機器狗亮相第27屆中國國際高新技術成果交易會。
2025-07-02
招商局獅子山人工智能實驗室發布並開源自研智能體強化學習訓練推理系統——Lionrock-Zero（L0系統）。
2026-05-14
招商局獅子山人工智能實驗室攜自研智能終端產品靈衛四足機器人亮相2026全球人工智能終端展。
2026-06-02
招商局獅子山人工智能實驗室推出LiOS系統，旨在打通雲端模型與具身智能機器人的全鏈路。
📎 來源 (15)
Factual claims are grounded in the sources below. Forward-looking analysis is AI-generated interpretation.
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： 量子位 ↗