![]()
机器人站在衣柜前,急需找出那件藏在衣服堆里的蓝色衬衫。翻找间,刚叠好的衣服又散作一团。
![]()
由北大长聘副教授&上纬启元首席科学家董豪老师带领团队正让服务机器人获得一项“管家级”技能:面对杂乱堆叠的衣物,它能听懂你的指令,精准抽出目标衣物,且不碰乱其他衣服。这项研究成果已被机器人领域国际顶会ICRA 2026接收,在不久前《EAI-100 具身智能领域2025年度百项代表性成果与人物》中,“柔性物体仿真与操作”专题获得 10大Demo项目奖,而董豪团队成果GarmentPile++ 是其重要的组成部分之一。
为什么“取一件衣服”比想象中更难?因为机器人面对的是柔软、易变形、互相缠绕的“活”物体。想要把这活干好,首先要“分得清”。 当多件衣物颜色相近、堆叠遮挡时,机器人必须透过表层判断底下那件衣服的准确边界,而非将两件衣服误认为一件。其次要“听得懂”。 当你说“拿那件红色的”,机器人不仅要识别颜色,还需结合语境判断:是拿最上面的,还是压在最下面但最容易完整抽出的那一件?其三要“取得稳”。衣物柔软易变形,抓取点的选择直接决定成败——抓领口可能撕扯变形,抓下摆可能一次拽出三件。遇到床单、长裙等大件,单手操作更易导致衣物拖地或缠绕。
过去的机器人往往只能完成其中某一环节,要么只能在衣服单独悬挂时工作,要么在杂乱场景中频频“失手”牵连其他衣物。
GarmentPile++ 的创新在于赋予机器人一套完整的“认知-决策-执行”逻辑,模拟人类面对衣堆时的自然反应:系统首先利用先进的视觉分割技术(SAM2),为衣堆中的每件衣物绘制精确轮廓。即便面对严重遮挡,它也能通过颜色、纹理和边缘特征区分个体。若遇到衣物粘连导致边界模糊,机器人会启动“微调观察”:它轻轻提起可疑区域的衣物,通过摄像头追踪衣物舒展后的形态变化。
确定目标后,系统进入分析阶段。基于对衣物三维形态的理解,它会在脑海中生成一张“热力图”:颜色越暖的区域表示越适合抓取(如平整的衣身中部),颜色越冷的区域则代表高风险区(如易滑的丝绸边缘或易变形的袖口)。这确保机器人始终选择既能稳定提起、又不会破坏衣物形态的最佳着力点。
对于T恤等小型衣物,单臂精准捏取即可;但当系统识别到床单、长裤等大件,或感知到单臂提起时衣物下垂可能触碰桌面引发拖拽时,它会启动双臂协作策略。主臂负责提起衣物主要部分,副臂则在下方适时托住或夹持另一处,像经验丰富的管家那样“捧”出衣物,确保过程中不牵扯、不扰动周围其他衣物。
实验数据显示,在模拟家庭环境的“开放衣堆”与“收纳筐(封闭边界)”两种场景中,GarmentPile++ 的任务成功率显著优于现有方法,且平均抓取步数更少,动作更为高效优雅。
这项技术突破的现实意义在于,它首次让机器人具备了处理“真实凌乱”的能力。这不仅是算法的进步,更是让科技真正懂得生活、尊重细节的重要一步。
特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.