最近在机器人领域一个看似简单的家庭任务——“叠衣服”却吸引了包括 Figure AI、1X 等估值数十亿美元的明星公司投入重金研发。这不禁让人好奇为什么这些顶尖的科技公司不去攻克更“宏大”的工业难题反而对这件日常琐事如此着迷对于开发者、机器人爱好者或是关注AI应用落地的朋友来说理解这背后的逻辑至关重要。这不仅关乎技术趋势更揭示了机器人从实验室走向千家万户所必须跨越的核心障碍。本文将深入拆解“叠衣服”这一任务背后所蕴含的惊人技术复杂度分析 Figure AI、1X 等公司的战略意图并探讨其对整个机器人技术栈从感知、规划到控制带来的深远影响。无论你是想了解前沿动态还是正在从事机器人相关开发这篇文章都将为你提供一个清晰的视角。1. 背景与核心概念从“炫技”到“实用”的范式转变机器人技术经历了从工业自动化到服务型、协作型机器人的演进。早期的工业机器人如 ABB、库卡、安川等在结构化环境中表现出色执行的是高精度、高重复性的任务例如焊接、喷涂、装配。这些环境的特点是规则明确、状态可控。然而家庭环境是典型的非结构化环境。光线会变化物品随意摆放地面可能有障碍物任务本身也充满不确定性。让机器人在这样的环境中可靠工作是当前研究的核心挑战。“叠衣服”为何成为标志性任务它完美集成了机器人进入家庭所需克服的绝大多数难题感知复杂度高衣服是非刚性、高自由度、易变形的物体。其状态展开、团成一团、部分折叠千变万化视觉系统难以像识别一个“杯子”那样给出确定的三维模型。操作极度精细需要机器人具备灵巧手Dexterous Manipulation能力。不仅要抓取还要能捏、捋、铺平、对齐、折叠涉及复杂的力控和触觉反馈。规划与决策困难叠一件T恤和叠一条牛仔裤的策略完全不同。机器人需要根据感知结果实时规划出一系列动作序列并能在执行过程中根据布料滑移等意外情况进行调整。场景普适性这是全球每个家庭每天或每周都会进行的重复性劳动市场潜在需求巨大。成功解决它意味着机器人的通用能力得到了一个强有力的验证。因此Figure AI、1X 等公司聚焦“叠衣服”绝非小题大做而是选择了一个极具代表性的“标杆任务”来锤炼和展示其通用机器人技术的成熟度。2. 技术栈深度拆解为什么叠衣服这么难要理解公司的投入我们必须从技术层面看看“叠衣服”到底难在哪里。这几乎用到了现代机器人技术的所有核心模块。2.1 感知层看见“一团混沌”在结构化工厂里相机可以轻松识别固定托盘上的零件。但对于一堆衣服传统的计算机视觉方法力不从心。核心挑战分割Segmentation从一堆混杂的衣服中区分出每一件独立的衣物。姿态估计Pose Estimation对于非刚性体其“姿态”无法用简单的6D位姿3D位置3D旋转描述。需要估计的是布料的大致展开状态、关键点如领口、袖口的位置。物理属性理解布料是薄是厚是光滑的丝绸还是粗糙的牛仔布这些属性影响抓取和操作的策略。技术方案多模态融合感知结合高清RGB相机、深度相机如Intel RealSense、有时甚至3D激光雷达获取丰富的几何和纹理信息。深度学习模型使用经过大量数据训练的神经网络如实例分割模型Mask R-CNN的变体来区分衣物或使用图神经网络GNN来理解布料这种图结构数据的变形。仿真到真实Sim2Real在仿真环境如Isaac Sim、PyBullet中生成海量、随机的布料状态数据用以训练感知模型再通过域自适应技术迁移到真实世界。# 一个简化的感知流程伪代码示例展示思路 class ClothingPerception: def __init__(self): # 加载训练好的分割和关键点检测模型 self.seg_model load_model(mask_rcnn_clothing.pth) self.keypoint_model load_model(cloth_keypoint_resnet.pth) def perceive(self, rgb_image, depth_image): # 1. 实例分割找出每一件衣物 masks, classes self.seg_model.predict(rgb_image) # masks: 每个衣物的掩码 # classes: T恤、裤子、毛巾等 clothing_items [] for mask, cls in zip(masks, classes): # 2. 裁剪出单件衣物区域 item_roi apply_mask(rgb_image, mask) # 3. 估计关键点如对于T恤左袖口、右袖口、领口中心、下摆中心 keypoints self.keypoint_model.predict(item_roi) # 4. 结合深度信息计算关键点的3D坐标相对于相机 keypoints_3d project_to_3d(keypoints, depth_image, camera_calib) # 5. 粗略估计衣物状态大致平整、团状、部分折叠 state self._estimate_state(keypoints_3d, mask) clothing_items.append({ mask: mask, class: cls, keypoints_3d: keypoints_3d, state: state }) return clothing_items def _estimate_state(self, keypoints, mask): # 基于关键点分布和掩码形状的启发式规则或小模型 # 例如关键点是否聚集团状掩码的长宽比是否接近折叠后的形状 # 这是一个简化示例实际更为复杂 pass2.2 规划层为“软物体”设计动作序列规划是大脑它需要根据感知结果生成一套可执行的动作指令。核心挑战状态空间巨大布料有近乎无限的可能状态无法像规划机械臂抓取一个方块那样枚举所有可能。动作连续性要求高折叠是一个连贯的过程中间步骤失败如没铺平会导致后续无法进行。动态交互机器人的每一次接触都会改变布料的状态规划必须考虑这种动态变化。技术方案分层任务规划高层规划决定顺序。例如“先铺平 - 然后对折 - 再对折”。底层运动规划为每个步骤生成具体的机械臂末端轨迹和手部姿态。这通常需要结合运动学、动力学和碰撞检测。模仿学习与强化学习模仿学习Imitation Learning通过动作捕捉MoCap记录人类叠衣服的动作让机器人学习。1X等公司大量采用这种方式。强化学习Reinforcement Learning在仿真中让机器人通过“试错”获得奖励成功折叠或惩罚弄乱自我学习策略。Figure AI 和宇树其G1机器人论文提到使用优化的PPO算法都在深入探索RL。但RL样本效率低Sim2Real迁移是难点。# 一个基于状态机的简化高层任务规划示例 class FoldingPlanner: def __init__(self): self.state_machine { start: self._plan_pick_and_flatten, flattened: self._plan_first_fold, first_folded: self._plan_second_fold, done: None } self.current_state start def plan(self, clothing_item): 根据当前状态和衣物信息生成下一步动作指令 if self.current_state not in self.state_machine: raise ValueError(fUnknown state: {self.current_state}) planner_func self.state_machine[self.current_state] if planner_func: action_sequence planner_func(clothing_item) # 假设动作执行成功更新状态实际中需根据执行反馈 self._transition_state() return action_sequence return [] # 任务完成 def _plan_pick_and_flatten(self, item): # 生成“抓取-移动到平整区域-铺开”的动作序列 # 这需要调用底层的运动规划器 return [ {type: pick, grasp_pose: calculate_grasp_pose(item)}, {type: move_to, target_pose: FLATTEN_AREA}, {type: flatten, strategy: spread} # 铺平策略 ] def _plan_first_fold(self, item): # 根据衣物类别T恤/裤子和关键点规划第一次折叠 if item[class] t-shirt: # 例如找到左右袖口中心规划对折轨迹 left_sleeve, right_sleeve item[keypoints_3d][0], item[keypoints_3d][1] fold_line_center (left_sleeve right_sleeve) / 2 return [{type: fold, axis: vertical, center: fold_line_center}] # ... 其他衣物类型的规划 return [] def _transition_state(self): # 简单的状态转移逻辑 if self.current_state start: self.current_state flattened elif self.current_state flattened: self.current_state first_folded elif self.current_state first_folded: self.current_state done2.3 控制层让手“听话”地操作这是最后一步也是最考验硬件和底层算法的一环。核心挑战力位混合控制铺平衣服需要施加一定的力而对折时需要精准的位置控制。需要在力控和位控模式间平滑切换。抓取稳定性布料易滑、易变形。如何设计抓取点Pinch或使用吸附Suction来稳定抓取触觉反馈灵巧手如 Figure 01 的手通常配备指尖触觉传感器用于感知抓握力、滑动和布料纹理实现闭环控制。技术方案柔顺控制如导纳控制或阻抗控制让机械臂末端表现得像弹簧-阻尼系统与环境进行柔顺交互防止硬碰撞。自适应抓取策略根据感知的布料状态和类别动态调整抓取力度和手型。基于触觉的闭环实时读取触觉传感器数据如果检测到滑动则调整抓握力或手部姿态。# 一个简化的力位混合控制循环伪代码 class HybridForcePositionController: def __init__(self, robot_arm, tactile_sensor): self.arm robot_arm self.tactile tactile_sensor self.desired_force 5.0 # 期望的接触力单位N self.kp_force 0.1 # 力控比例增益 self.kp_pos 0.5 # 位控比例增益 def execute_flatten_action(self, target_surface_pose): 执行铺平动作先力控接触表面再位控移动铺开 target_surface_pose: 目标桌面表面的位姿 # 阶段1力控接触 current_pose self.arm.get_pose() contact_achieved False while not contact_achieved: current_force self.tactile.get_normal_force() force_error self.desired_force - current_force # 根据力误差在Z方向垂直方向调整位置 adjustment self.kp_force * force_error new_pose current_pose new_pose.z adjustment self.arm.move_to(new_pose, speed0.01) # 慢速移动 if abs(force_error) 0.5: # 达到期望力阈值 contact_achieved True contact_pose self.arm.get_pose() # 阶段2位控铺开在保持接触力的同时水平移动 # 这是一个简化实际需要更复杂的力位混合控制律 spread_vector calculate_spread_vector() # 计算铺开方向 target_pose contact_pose.translated(spread_vector) # 在实际系统中这里会调用一个混合控制器同时约束Z方向的力和XY方向的位置 self.arm.move_to(target_pose, speed0.05)3. 巨头战略解析Figure AI、1X等公司的布局逻辑理解了技术难度我们再来看公司的战略就清晰了。Figure AI打造通用性“大脑”与“身体”目标开发通用人形机器人Figure 01旨在处理多种非结构化任务。为何选择叠衣服这是验证其“端到端”AI系统将视觉语言大模型VLM与快速动作执行结合的绝佳测试床。它需要机器人理解模糊指令“叠好那件衬衫”、感知复杂场景、并执行灵巧操作。成功意味着其技术栈具备了高度的通用性。技术路径强调大模型赋能。通过视觉语言模型如GPT-4V理解场景和任务通过专有的快速运动神经网络将指令转化为毫秒级的关节控制。叠衣服是展示其软硬件协同和AI泛化能力的标杆演示。1X (Halodi Robotics)从实用场景切入规模化部署目标创造能在人类环境中安全、有用工作的机器人并已开始商业化部署如安保机器人EVE。为何选择叠衣服1X 更侧重于模仿学习和具身智能。他们通过人类演示来训练机器人完成具体任务。叠衣服是一个有明确商业前景家庭服务、养老助残且能充分展示其模仿学习成果的任务。这有助于他们吸引投资、获取数据并迭代其机器人平台如NEO人形机器人。技术路径大规模收集人类演示数据 - 训练行为克隆模型 - 在仿真和实体机器人上精调。强调安全、可靠和可预测的行为。其他玩家与行业影响特斯拉Optimus虽然未主打叠衣服但其展示的灵巧手操作如拿鸡蛋、分拣电池本质上与叠衣服面临同样的非刚性体操控挑战。马斯克强调规模化和成本控制。宇树科技Unitree作为四足机器人领头羊其发布的人形机器人G1和开源论文展示了用强化学习如优化的PPO算法训练“温和”人形运动。这为复杂任务如未来可能包含的物体操作提供了底层运动控制基础。传统工业机器人厂商ABB、发那科等他们也在向协作机器人Cobot和更智能的视觉引导如TVA视觉引导机器人发展但主要聚焦于工业场景的易用性提升与家庭场景的通用AI机器人路径不同。共同逻辑数据驱动无论是模仿学习还是强化学习都需要海量、高质量的任务数据。叠衣服是一个完美的数据收集场景。技术验证这是一个公认的“硬骨头”攻克它等于向业界宣告自身技术栈的成熟度。市场宣示向消费者和投资者展示机器人离进入家庭、提供实际价值不再遥远。生态构建通过解决此类问题打磨一整套包括仿真、训练、部署的工具链为未来更多任务打下基础。4. 对开发者与工程师的启示技术栈的演进与机会这场竞赛不仅仅是巨头的游戏也为整个机器人技术生态带来了新的需求和机会。4.1 新兴关键技术岗位与技能具身AI算法工程师专注于将大模型VLM LLM与机器人感知、规划、控制 loop 结合。需要精通多模态模型、机器人状态表示、任务规划。强化学习/模仿学习工程师负责在仿真和真实世界中训练机器人策略。需要熟悉 Isaac Sim、PyBullet/MuJoCo、ROS 2掌握 PPO、SAC、DAgger 等算法。机器人软件架构师设计高可靠、模块化的机器人中间件系统处理传感器数据流、实时控制、任务调度、人机交互等。仿真与Sim2Real专家构建高保真度的物理仿真环境并开发域随机化、域自适应技术以弥合仿真与现实的差距。4.2 开源工具与学习路径对于想进入该领域的开发者可以从以下栈开始1. 基础框架与中间件ROS 2 (Robot Operating System)已成为机器人软件开发的事实标准。它提供了节点通信、工具、库和生态。学习 ROS 2 的节点、话题、服务、动作以及导航2Nav2、MoveIt 2运动规划等核心功能包是入门必备。# 安装ROS 2 (以Humble版本为例Ubuntu) sudo apt update sudo apt install ros-humble-desktop # 创建工作空间 mkdir -p ~/ros2_ws/src cd ~/ros2_ws colcon build source install/setup.bash2. 仿真环境Gazebo (与ROS深度集成)经典选择但物理引擎ODE对布料等复杂变形体模拟效果一般。Isaac Sim (NVIDIA)基于USD和PhysX对刚体和变形体模拟性能强大与Isaac Gym强化学习无缝集成是当前研究前沿的热门工具。PyBullet / MuJoCo轻量级、易于使用的物理仿真器常用于强化学习研究。MuJoCo现已免费。3. 算法与开发库OpenCV, PCL (点云库)用于视觉感知。PyTorch, TensorFlow用于深度学习模型训练。Stable-Baselines3, Ray RLlib用于强化学习。MoveIt 2ROS 2中的运动规划框架支持机械臂的路径规划、碰撞检测等。4.3 一个简单的ROS 2节点示例控制仿真机器人移动到目标点#!/usr/bin/env python3 # 文件~/ros2_ws/src/my_robot_controller/scripts/simple_controller.py import rclpy from rclpy.node import Node from geometry_msgs.msg import Twist import time class SimpleController(Node): def __init__(self): super().__init__(simple_controller) # 创建一个发布者发布到 /cmd_vel 话题控制机器人移动 self.publisher_ self.create_publisher(Twist, /cmd_vel, 10) self.get_logger().info(简单控制器节点已启动将让机器人前进2秒然后停止。) def move_forward(self, duration2.0): msg Twist() msg.linear.x 0.2 # 前进速度 0.2 m/s msg.angular.z 0.0 start_time self.get_clock().now() while (self.get_clock().now() - start_time).nanoseconds duration * 1e9: self.publisher_.publish(msg) time.sleep(0.1) # 简单循环实际应用应使用定时器 # 停止 stop_msg Twist() self.publisher_.publish(stop_msg) self.get_logger().info(移动停止。) def main(argsNone): rclpy.init(argsargs) controller SimpleController() controller.move_forward() controller.destroy_node() rclpy.shutdown() if __name__ __main__: main()对应的package.xml和CMakeLists.txt需配置好。这个例子展示了ROS 2节点最基本的通信模式。5. 当前挑战与未来展望尽管进展迅速但机器人叠衣服真正走进家庭仍面临巨大挑战1. 长尾问题与可靠性能处理 95% 的常规衣物棉质T恤、牛仔裤但遇到丝绸衬衫、带扣子的毛衣、袜子、床单等“长尾”物品时成功率可能骤降。家庭环境光照、背景杂乱对感知系统是持续考验。2. 成本与商业化具备灵巧手、高精度传感器和强大算力的机器人成本可能高达数万甚至数十万美元远超普通家庭承受范围。需要找到从商业场景如洗衣工厂、酒店到家庭场景的降本路径。3. 安全与伦理在无人监督下与家庭物品和人类共处安全是首要问题。需要完善的紧急停止、力感知和避障机制。数据隐私机器人摄像头记录的家庭环境数据如何保护未来趋势AI 驱动大模型VLMLLM将成为机器人的“常识”来源使其能理解更抽象的任务描述“把洗好的衣服收拾好”并自主拆解步骤。仿真优先大部分学习和测试将在高保真仿真中进行加速迭代降低实体机器人损耗成本。软硬件协同设计为特定任务如灵巧操作设计专用的传感器如高分辨率触觉皮肤和执行器如可变刚度关节。云机器人部分计算密集型任务如复杂场景理解、长期规划可能通过 5G/6G 网络在云端完成机器人端侧重实时控制。6. 总结与学习建议Figure AI、1X 等公司竞逐“叠衣服”本质上是在争夺通用机器人时代的入场券。这个看似简单的任务是检验机器人感知、规划、控制全栈能力的试金石。对于技术人员和爱好者这意味着关注核心模块不要只盯着“机器人”三个字。深入计算机视觉特别是3D视觉与分割、运动规划路径搜索、轨迹优化、强化学习/模仿学习、机器人控制力控、柔顺控制等具体领域任何一个都是深水区。掌握工具链熟练使用 ROS 2、Gazebo/Isaac Sim、PyTorch 等现代机器人开发工具比单纯研究算法理论更重要。参与开源社区关注如MoveIt、ROS 2 Control、Isaac Gym等开源项目的进展甚至参与贡献是快速成长的最佳途径。从小项目实践可以从仿真环境中的机械臂抓取方块开始逐步尝试更复杂的任务如抓取不同形状的物体再到尝试用简单的布料模型模拟铺平动作。机器人技术正处在一个从“专用”走向“通用”的临界点。而“叠衣服”这场竞赛正是这个激动人心时代的最佳注脚。它提醒我们最伟大的技术突破往往始于解决那些最平凡、最普遍的人类需求。 
长河君 · 2026/8/13 23:29:56 · 阅读 1.2k 机器人叠衣服为何成技术标杆？拆解感知、规划与控制全栈挑战
最近在机器人领域一个看似简单的家庭任务——“叠衣服”却吸引了包括 Figure AI、1X 等估值数十亿美元的明星公司投入重金研发。这不禁让人好奇为什么这些顶尖的科技公司不去攻克更“宏大”的工业难题反而对这件日常琐事如此着迷对于开发者、机器人爱好者或是关注AI应用落地的朋友来说理解这背后的逻辑至关重要。这不仅关乎技术趋势更揭示了机器人从实验室走向千家万户所必须跨越的核心障碍。本文将深入拆解“叠衣服”这一任务背后所蕴含的惊人技术复杂度分析 Figure AI、1X 等公司的战略意图并探讨其对整个机器人技术栈从感知、规划到控制带来的深远影响。无论你是想了解前沿动态还是正在从事机器人相关开发这篇文章都将为你提供一个清晰的视角。1. 背景与核心概念从“炫技”到“实用”的范式转变机器人技术经历了从工业自动化到服务型、协作型机器人的演进。早期的工业机器人如 ABB、库卡、安川等在结构化环境中表现出色执行的是高精度、高重复性的任务例如焊接、喷涂、装配。这些环境的特点是规则明确、状态可控。然而家庭环境是典型的非结构化环境。光线会变化物品随意摆放地面可能有障碍物任务本身也充满不确定性。让机器人在这样的环境中可靠工作是当前研究的核心挑战。“叠衣服”为何成为标志性任务它完美集成了机器人进入家庭所需克服的绝大多数难题感知复杂度高衣服是非刚性、高自由度、易变形的物体。其状态展开、团成一团、部分折叠千变万化视觉系统难以像识别一个“杯子”那样给出确定的三维模型。操作极度精细需要机器人具备灵巧手Dexterous Manipulation能力。不仅要抓取还要能捏、捋、铺平、对齐、折叠涉及复杂的力控和触觉反馈。规划与决策困难叠一件T恤和叠一条牛仔裤的策略完全不同。机器人需要根据感知结果实时规划出一系列动作序列并能在执行过程中根据布料滑移等意外情况进行调整。场景普适性这是全球每个家庭每天或每周都会进行的重复性劳动市场潜在需求巨大。成功解决它意味着机器人的通用能力得到了一个强有力的验证。因此Figure AI、1X 等公司聚焦“叠衣服”绝非小题大做而是选择了一个极具代表性的“标杆任务”来锤炼和展示其通用机器人技术的成熟度。2. 技术栈深度拆解为什么叠衣服这么难要理解公司的投入我们必须从技术层面看看“叠衣服”到底难在哪里。这几乎用到了现代机器人技术的所有核心模块。2.1 感知层看见“一团混沌”在结构化工厂里相机可以轻松识别固定托盘上的零件。但对于一堆衣服传统的计算机视觉方法力不从心。核心挑战分割Segmentation从一堆混杂的衣服中区分出每一件独立的衣物。姿态估计Pose Estimation对于非刚性体其“姿态”无法用简单的6D位姿3D位置3D旋转描述。需要估计的是布料的大致展开状态、关键点如领口、袖口的位置。物理属性理解布料是薄是厚是光滑的丝绸还是粗糙的牛仔布这些属性影响抓取和操作的策略。技术方案多模态融合感知结合高清RGB相机、深度相机如Intel RealSense、有时甚至3D激光雷达获取丰富的几何和纹理信息。深度学习模型使用经过大量数据训练的神经网络如实例分割模型Mask R-CNN的变体来区分衣物或使用图神经网络GNN来理解布料这种图结构数据的变形。仿真到真实Sim2Real在仿真环境如Isaac Sim、PyBullet中生成海量、随机的布料状态数据用以训练感知模型再通过域自适应技术迁移到真实世界。# 一个简化的感知流程伪代码示例展示思路 class ClothingPerception: def __init__(self): # 加载训练好的分割和关键点检测模型 self.seg_model load_model(mask_rcnn_clothing.pth) self.keypoint_model load_model(cloth_keypoint_resnet.pth) def perceive(self, rgb_image, depth_image): # 1. 实例分割找出每一件衣物 masks, classes self.seg_model.predict(rgb_image) # masks: 每个衣物的掩码 # classes: T恤、裤子、毛巾等 clothing_items [] for mask, cls in zip(masks, classes): # 2. 裁剪出单件衣物区域 item_roi apply_mask(rgb_image, mask) # 3. 估计关键点如对于T恤左袖口、右袖口、领口中心、下摆中心 keypoints self.keypoint_model.predict(item_roi) # 4. 结合深度信息计算关键点的3D坐标相对于相机 keypoints_3d project_to_3d(keypoints, depth_image, camera_calib) # 5. 粗略估计衣物状态大致平整、团状、部分折叠 state self._estimate_state(keypoints_3d, mask) clothing_items.append({ mask: mask, class: cls, keypoints_3d: keypoints_3d, state: state }) return clothing_items def _estimate_state(self, keypoints, mask): # 基于关键点分布和掩码形状的启发式规则或小模型 # 例如关键点是否聚集团状掩码的长宽比是否接近折叠后的形状 # 这是一个简化示例实际更为复杂 pass2.2 规划层为“软物体”设计动作序列规划是大脑它需要根据感知结果生成一套可执行的动作指令。核心挑战状态空间巨大布料有近乎无限的可能状态无法像规划机械臂抓取一个方块那样枚举所有可能。动作连续性要求高折叠是一个连贯的过程中间步骤失败如没铺平会导致后续无法进行。动态交互机器人的每一次接触都会改变布料的状态规划必须考虑这种动态变化。技术方案分层任务规划高层规划决定顺序。例如“先铺平 - 然后对折 - 再对折”。底层运动规划为每个步骤生成具体的机械臂末端轨迹和手部姿态。这通常需要结合运动学、动力学和碰撞检测。模仿学习与强化学习模仿学习Imitation Learning通过动作捕捉MoCap记录人类叠衣服的动作让机器人学习。1X等公司大量采用这种方式。强化学习Reinforcement Learning在仿真中让机器人通过“试错”获得奖励成功折叠或惩罚弄乱自我学习策略。Figure AI 和宇树其G1机器人论文提到使用优化的PPO算法都在深入探索RL。但RL样本效率低Sim2Real迁移是难点。# 一个基于状态机的简化高层任务规划示例 class FoldingPlanner: def __init__(self): self.state_machine { start: self._plan_pick_and_flatten, flattened: self._plan_first_fold, first_folded: self._plan_second_fold, done: None } self.current_state start def plan(self, clothing_item): 根据当前状态和衣物信息生成下一步动作指令 if self.current_state not in self.state_machine: raise ValueError(fUnknown state: {self.current_state}) planner_func self.state_machine[self.current_state] if planner_func: action_sequence planner_func(clothing_item) # 假设动作执行成功更新状态实际中需根据执行反馈 self._transition_state() return action_sequence return [] # 任务完成 def _plan_pick_and_flatten(self, item): # 生成“抓取-移动到平整区域-铺开”的动作序列 # 这需要调用底层的运动规划器 return [ {type: pick, grasp_pose: calculate_grasp_pose(item)}, {type: move_to, target_pose: FLATTEN_AREA}, {type: flatten, strategy: spread} # 铺平策略 ] def _plan_first_fold(self, item): # 根据衣物类别T恤/裤子和关键点规划第一次折叠 if item[class] t-shirt: # 例如找到左右袖口中心规划对折轨迹 left_sleeve, right_sleeve item[keypoints_3d][0], item[keypoints_3d][1] fold_line_center (left_sleeve right_sleeve) / 2 return [{type: fold, axis: vertical, center: fold_line_center}] # ... 其他衣物类型的规划 return [] def _transition_state(self): # 简单的状态转移逻辑 if self.current_state start: self.current_state flattened elif self.current_state flattened: self.current_state first_folded elif self.current_state first_folded: self.current_state done2.3 控制层让手“听话”地操作这是最后一步也是最考验硬件和底层算法的一环。核心挑战力位混合控制铺平衣服需要施加一定的力而对折时需要精准的位置控制。需要在力控和位控模式间平滑切换。抓取稳定性布料易滑、易变形。如何设计抓取点Pinch或使用吸附Suction来稳定抓取触觉反馈灵巧手如 Figure 01 的手通常配备指尖触觉传感器用于感知抓握力、滑动和布料纹理实现闭环控制。技术方案柔顺控制如导纳控制或阻抗控制让机械臂末端表现得像弹簧-阻尼系统与环境进行柔顺交互防止硬碰撞。自适应抓取策略根据感知的布料状态和类别动态调整抓取力度和手型。基于触觉的闭环实时读取触觉传感器数据如果检测到滑动则调整抓握力或手部姿态。# 一个简化的力位混合控制循环伪代码 class HybridForcePositionController: def __init__(self, robot_arm, tactile_sensor): self.arm robot_arm self.tactile tactile_sensor self.desired_force 5.0 # 期望的接触力单位N self.kp_force 0.1 # 力控比例增益 self.kp_pos 0.5 # 位控比例增益 def execute_flatten_action(self, target_surface_pose): 执行铺平动作先力控接触表面再位控移动铺开 target_surface_pose: 目标桌面表面的位姿 # 阶段1力控接触 current_pose self.arm.get_pose() contact_achieved False while not contact_achieved: current_force self.tactile.get_normal_force() force_error self.desired_force - current_force # 根据力误差在Z方向垂直方向调整位置 adjustment self.kp_force * force_error new_pose current_pose new_pose.z adjustment self.arm.move_to(new_pose, speed0.01) # 慢速移动 if abs(force_error) 0.5: # 达到期望力阈值 contact_achieved True contact_pose self.arm.get_pose() # 阶段2位控铺开在保持接触力的同时水平移动 # 这是一个简化实际需要更复杂的力位混合控制律 spread_vector calculate_spread_vector() # 计算铺开方向 target_pose contact_pose.translated(spread_vector) # 在实际系统中这里会调用一个混合控制器同时约束Z方向的力和XY方向的位置 self.arm.move_to(target_pose, speed0.05)3. 巨头战略解析Figure AI、1X等公司的布局逻辑理解了技术难度我们再来看公司的战略就清晰了。Figure AI打造通用性“大脑”与“身体”目标开发通用人形机器人Figure 01旨在处理多种非结构化任务。为何选择叠衣服这是验证其“端到端”AI系统将视觉语言大模型VLM与快速动作执行结合的绝佳测试床。它需要机器人理解模糊指令“叠好那件衬衫”、感知复杂场景、并执行灵巧操作。成功意味着其技术栈具备了高度的通用性。技术路径强调大模型赋能。通过视觉语言模型如GPT-4V理解场景和任务通过专有的快速运动神经网络将指令转化为毫秒级的关节控制。叠衣服是展示其软硬件协同和AI泛化能力的标杆演示。1X (Halodi Robotics)从实用场景切入规模化部署目标创造能在人类环境中安全、有用工作的机器人并已开始商业化部署如安保机器人EVE。为何选择叠衣服1X 更侧重于模仿学习和具身智能。他们通过人类演示来训练机器人完成具体任务。叠衣服是一个有明确商业前景家庭服务、养老助残且能充分展示其模仿学习成果的任务。这有助于他们吸引投资、获取数据并迭代其机器人平台如NEO人形机器人。技术路径大规模收集人类演示数据 - 训练行为克隆模型 - 在仿真和实体机器人上精调。强调安全、可靠和可预测的行为。其他玩家与行业影响特斯拉Optimus虽然未主打叠衣服但其展示的灵巧手操作如拿鸡蛋、分拣电池本质上与叠衣服面临同样的非刚性体操控挑战。马斯克强调规模化和成本控制。宇树科技Unitree作为四足机器人领头羊其发布的人形机器人G1和开源论文展示了用强化学习如优化的PPO算法训练“温和”人形运动。这为复杂任务如未来可能包含的物体操作提供了底层运动控制基础。传统工业机器人厂商ABB、发那科等他们也在向协作机器人Cobot和更智能的视觉引导如TVA视觉引导机器人发展但主要聚焦于工业场景的易用性提升与家庭场景的通用AI机器人路径不同。共同逻辑数据驱动无论是模仿学习还是强化学习都需要海量、高质量的任务数据。叠衣服是一个完美的数据收集场景。技术验证这是一个公认的“硬骨头”攻克它等于向业界宣告自身技术栈的成熟度。市场宣示向消费者和投资者展示机器人离进入家庭、提供实际价值不再遥远。生态构建通过解决此类问题打磨一整套包括仿真、训练、部署的工具链为未来更多任务打下基础。4. 对开发者与工程师的启示技术栈的演进与机会这场竞赛不仅仅是巨头的游戏也为整个机器人技术生态带来了新的需求和机会。4.1 新兴关键技术岗位与技能具身AI算法工程师专注于将大模型VLM LLM与机器人感知、规划、控制 loop 结合。需要精通多模态模型、机器人状态表示、任务规划。强化学习/模仿学习工程师负责在仿真和真实世界中训练机器人策略。需要熟悉 Isaac Sim、PyBullet/MuJoCo、ROS 2掌握 PPO、SAC、DAgger 等算法。机器人软件架构师设计高可靠、模块化的机器人中间件系统处理传感器数据流、实时控制、任务调度、人机交互等。仿真与Sim2Real专家构建高保真度的物理仿真环境并开发域随机化、域自适应技术以弥合仿真与现实的差距。4.2 开源工具与学习路径对于想进入该领域的开发者可以从以下栈开始1. 基础框架与中间件ROS 2 (Robot Operating System)已成为机器人软件开发的事实标准。它提供了节点通信、工具、库和生态。学习 ROS 2 的节点、话题、服务、动作以及导航2Nav2、MoveIt 2运动规划等核心功能包是入门必备。# 安装ROS 2 (以Humble版本为例Ubuntu) sudo apt update sudo apt install ros-humble-desktop # 创建工作空间 mkdir -p ~/ros2_ws/src cd ~/ros2_ws colcon build source install/setup.bash2. 仿真环境Gazebo (与ROS深度集成)经典选择但物理引擎ODE对布料等复杂变形体模拟效果一般。Isaac Sim (NVIDIA)基于USD和PhysX对刚体和变形体模拟性能强大与Isaac Gym强化学习无缝集成是当前研究前沿的热门工具。PyBullet / MuJoCo轻量级、易于使用的物理仿真器常用于强化学习研究。MuJoCo现已免费。3. 算法与开发库OpenCV, PCL (点云库)用于视觉感知。PyTorch, TensorFlow用于深度学习模型训练。Stable-Baselines3, Ray RLlib用于强化学习。MoveIt 2ROS 2中的运动规划框架支持机械臂的路径规划、碰撞检测等。4.3 一个简单的ROS 2节点示例控制仿真机器人移动到目标点#!/usr/bin/env python3 # 文件~/ros2_ws/src/my_robot_controller/scripts/simple_controller.py import rclpy from rclpy.node import Node from geometry_msgs.msg import Twist import time class SimpleController(Node): def __init__(self): super().__init__(simple_controller) # 创建一个发布者发布到 /cmd_vel 话题控制机器人移动 self.publisher_ self.create_publisher(Twist, /cmd_vel, 10) self.get_logger().info(简单控制器节点已启动将让机器人前进2秒然后停止。) def move_forward(self, duration2.0): msg Twist() msg.linear.x 0.2 # 前进速度 0.2 m/s msg.angular.z 0.0 start_time self.get_clock().now() while (self.get_clock().now() - start_time).nanoseconds duration * 1e9: self.publisher_.publish(msg) time.sleep(0.1) # 简单循环实际应用应使用定时器 # 停止 stop_msg Twist() self.publisher_.publish(stop_msg) self.get_logger().info(移动停止。) def main(argsNone): rclpy.init(argsargs) controller SimpleController() controller.move_forward() controller.destroy_node() rclpy.shutdown() if __name__ __main__: main()对应的package.xml和CMakeLists.txt需配置好。这个例子展示了ROS 2节点最基本的通信模式。5. 当前挑战与未来展望尽管进展迅速但机器人叠衣服真正走进家庭仍面临巨大挑战1. 长尾问题与可靠性能处理 95% 的常规衣物棉质T恤、牛仔裤但遇到丝绸衬衫、带扣子的毛衣、袜子、床单等“长尾”物品时成功率可能骤降。家庭环境光照、背景杂乱对感知系统是持续考验。2. 成本与商业化具备灵巧手、高精度传感器和强大算力的机器人成本可能高达数万甚至数十万美元远超普通家庭承受范围。需要找到从商业场景如洗衣工厂、酒店到家庭场景的降本路径。3. 安全与伦理在无人监督下与家庭物品和人类共处安全是首要问题。需要完善的紧急停止、力感知和避障机制。数据隐私机器人摄像头记录的家庭环境数据如何保护未来趋势AI 驱动大模型VLMLLM将成为机器人的“常识”来源使其能理解更抽象的任务描述“把洗好的衣服收拾好”并自主拆解步骤。仿真优先大部分学习和测试将在高保真仿真中进行加速迭代降低实体机器人损耗成本。软硬件协同设计为特定任务如灵巧操作设计专用的传感器如高分辨率触觉皮肤和执行器如可变刚度关节。云机器人部分计算密集型任务如复杂场景理解、长期规划可能通过 5G/6G 网络在云端完成机器人端侧重实时控制。6. 总结与学习建议Figure AI、1X 等公司竞逐“叠衣服”本质上是在争夺通用机器人时代的入场券。这个看似简单的任务是检验机器人感知、规划、控制全栈能力的试金石。对于技术人员和爱好者这意味着关注核心模块不要只盯着“机器人”三个字。深入计算机视觉特别是3D视觉与分割、运动规划路径搜索、轨迹优化、强化学习/模仿学习、机器人控制力控、柔顺控制等具体领域任何一个都是深水区。掌握工具链熟练使用 ROS 2、Gazebo/Isaac Sim、PyTorch 等现代机器人开发工具比单纯研究算法理论更重要。参与开源社区关注如MoveIt、ROS 2 Control、Isaac Gym等开源项目的进展甚至参与贡献是快速成长的最佳途径。从小项目实践可以从仿真环境中的机械臂抓取方块开始逐步尝试更复杂的任务如抓取不同形状的物体再到尝试用简单的布料模型模拟铺平动作。机器人技术正处在一个从“专用”走向“通用”的临界点。而“叠衣服”这场竞赛正是这个激动人心时代的最佳注脚。它提醒我们最伟大的技术突破往往始于解决那些最平凡、最普遍的人类需求。