为啥机器人集体放弃“跑酷” 全去“叠衣服”了？

还记得波士顿动力Atlas的跑酷视频吗？当年那段画面，让全世界真切感受到人形机器人运动能力的大跨步突破。早年也有机器人跳舞的演示，技术爱好者会盯着看关节怎么动、平衡稳不稳，那时候的行业，总爱比谁能做出更酷炫的极限动作。

但短短半年，风向彻底变了。现在打开机器人企业的新品视频，跑酷、跳舞少见了，取而代之的全是“叠衣服”的操作。

Figure 03用五指手试着叠毛巾，边角偶尔卷起来也没停下；Weave Robotics的半自动叠衣视频加了2倍快进，看着利落，实际上藏着真实速度偏慢的问题。

谷歌ALOHA的挂衣演示没剪帧，动作慢悠悠的，偶尔还对不齐衣架，反倒因为真实圈了不少粉；Dyna Robotics更直接，让机器人连续18小时叠餐巾，机械臂反复起落，透着一股死磕一个任务的执着劲儿。

机器人从疯狂炫技再到着手做家务，说到底是行业当中的概念炒作少了。企业开始重新思考逐渐开始触碰市场的真实需求。

▍为什么偏偏要学习叠衣服？

机器人企业扎堆做叠衣，核心是技术和需求对上了。十年前，机器人叠衣服还是实验室里的稀罕事。2010年由Willow Garage公司推出来的PR2机器人，得在固定的绿色背景下，才能勉强叠好一件简单衬衫，动作慢到让人没耐心等，换件衣服、换个环境就大概率失灵。

那时候的技术全靠精准标定的相机和手工编的动作程序，演示更像“一次性表演”，压根没法实际用。

转折点是机器人学习技术的突破。扩散模型和零样本学习成熟后，机器人不用逐一步骤编程，靠几千条人类演示数据，就能自己摸透叠衣服的门道。再加上HuggingFace、LeRobot生态系统以及框架的普及，技术门槛降了不少，初创团队也能借着预训练模型快速做出演示。就像谷歌ALOHA，只用6000条系鞋带的演示数据，就让机械臂学会了这精细活，而叠衣服容错率更高，收集数据也更简单。

更关键的是需求实在太刚性，“不想手动叠衣服”是很多人的心声，甚至有人愿意为这事儿多花钱。对1X Technologies这些面向家庭场景开发的机器人企业来讲，比起门槛高的工业场景，家用叠衣场景大家更容易感知到价值，落地路径也更清晰。就算现在的演示还不完美，大家也能从里面看到未来：说不定以后真有能包揽家务、解放双手的机器人管家。

而且叠衣服的“试错成本”低。打翻杯子得换新品，组装零件错了要重新调试，但叠衣服失败了，把衣服重新摆好就能再来一次。这种不容易损坏设备、容错率高的特点，让企业能花更少的钱打磨技术、做演示，尤其适合资金有限的初创团队。

▍机器人确实会叠衣服了但还不会叠好衣服

虽然叠衣演示五花八门，但冷静想想，现在的技术离“让人愿意掏钱买”，还有不小的距离。

先看细节上的问题，Figure 03叠衣服时放得太快，边角容易卷翘，但凡叠过衣服的都知道，动作轻一点才不会起褶，这背后是机器人摸不准衣物材质，也没法及时感知受力情况。

1X Technologies的Neo机器人，机械臂整理衣服的动作看着揪心，折叠过程还一板一眼，完全没有人类灵活调整的状态；Weave Robotics用2倍快进掩盖真实速度，其实就算不加速，很多演示的效率也远赶不上人。

再看具体场景的局限性问题，仔细看视频就会发现，企业拍摄的大部分的演示都是在实验室和固定的样板间，桌面是纯色平整的，衣服是单一材质的，背景也没任何干扰。要不然就是像1X TechnologiesNeo机器人一样采用遥操作，人类专家在远程遥控贴衣服。但真实的家庭环境哪会这么理想？衣服可能掉在地毯上，还混着袜子、内衣，桌面堆满杂物，光线也时亮时暗。谷歌ALOHA的挂衣演示够真实了，却暴露了“对齐难”的问题：连简单的挂衣架都要反复调整，更别说处理皱巴巴的衬衫、一拉就变形的毛衣了。

最核心的问题，是企业和消费者想得不一样。企业总在说“机器人能叠衣服了”“实现零样本折叠了”，纠结的是“能不能做到”；但终端用户更关心的是“能不能做好”：会不会扯坏真丝衬衫？能不能在5分钟内叠完一篮衣服？能不能自己从洗衣篮里拿衣服，叠好后还能放进衣柜？现在多数演示只完成了“折叠”这一个动作，取衣、整理、收纳这些关键步骤都没涉及，这种“半成品”式的技术展示，其实更多的只是技术中间的一环而已。

就像行业里有人说的：“消费者愿意花钱，只因为机器人能把活干完、干好，把时间和自由还给他们。”而现在的机器人，在家务这件事上还只是个“入门新手”，依旧还有很长的路要走。

▍从跑酷到叠衣，行业终于想通了“落地”这件事

早年的跑酷、跳舞演示，更多的是“秀肌肉”。用极限动作证明机器人的运动控制、平衡能力，吸引资本注意、炒热行业热度，在技术刚起步的时候，这确实有必要。但行业发展到一定阶段，光“炫技”没法推动商业落地，企业必须找到技术和市场的结合点。叠衣赛道的爆发，正是行业从“我能做什么”转向“用户需要什么”的明显信号。

这也揭示了人形机器人的发展逻辑：技术突破不一定非要盯着极限性能，能不能适配实际场景更重要。日本发那科、安川这些工业机器人巨头，能长期占据市场主导，核心就是一直围着工业生产的真实需求做研发。他们不关心机器人“跳得好不好看”，只在乎“焊接准不准”“搬运效率高不高”。人形机器人要想大规模走进市场，也得遵循这个道理：先解决用户的“刚需痛点”，再慢慢拓展更复杂的功能。

当然，这不是说行业要放弃核心技术。现在叠衣演示暴露的感知精度不够、操作不灵活等问题，还得靠优化算法、升级硬件来解决。《Science Robotics》在11月刊发的论文《Learning a thousand tasks in a day》，提出“机械臂24小时学会1000项任务”的方向，给行业提供了新思路，用更高效的算法减少对数据的依赖，让机器人能自己学习、更好地适应环境。未来技术成熟了，机器人或许能从“叠衣服”拓展到洗碗、擦窗、整理衣柜等更多场景，但前提是始终围绕用户需求来。

▍结语与未来：务实，才是技术落地的最好姿态

从Atlas的跑酷到Figure的叠衣，人形机器人行业用了这么多年才想明白：技术的价值，不在于突破多少极限，而在于能不能走进日常生活、解决真实问题。叠衣赛道的热闹，既是技术进步的证明，也说明行业终于回归理性。

对于我们这些技术旁观者来讲，不用苛责现在的演示不够完美，任何技术成熟都需要时间沉淀。但对企业来说，不能只满足于“演示好看”，更要聚焦用户的真实诉求：把折叠速度提上来，把操作精度磨上去，把场景适配性做扎实。等机器人能真正叠好每一件衣服，能自主完成从取衣到收纳的全流程，等“家务机器人”不再是概念而是日常，人形机器人才能真正实现商业价值。