在叠衣服这项家务活上，人类的手感依然胜过机器。但这种优势或许不会持续太久。



美国动画片《杰森一家》中的机器人女仆Rosie

六十多年前，机器人罗茜在《杰森一家》中首次亮相电视荧屏，它嗡嗡作响地穿梭于各个房间完成家务，完美融入杰森家的日常生活。如今，当现实逐渐追上科幻设想，科学家们致力于打造现代版罗茜时，最平凡的任务之一竟成了巨大挑战：那就是叠衣服。

看似平凡的拾起T恤并将其折叠成整齐方块的动作，实则需要对物体在三维空间中运动规律的复杂理解。人类能轻松完成这类任务，源于我们通过学习掌握了不同面料在折叠时的反应特性。但机器人却难以将所学知识应用于与训练场景存在差异的新情境。因此，现今的机器人动作迟缓，即便面对最简单的折叠任务也常表现欠佳。

在教机器人掌握这项技能时，一个重大挑战在于各种织物存在无限种折叠方式。想想你每次把T恤扔进洗衣篮时，它落下的形状总是不尽相同。人类只需拿起衬衫，迅速找到衣袖或衣领就能定位，但每件衬衫独特的褶皱形态对机器人而言都是新挑战——它们通常是通过图像学习训练得到的，这些图像，往往是将衣物平铺在平面上，并且所有的特征都很清晰的。

“真正的挑战并非织物本身，而是布料褶皱方式产生的无限变量，以及现实中存在的各类服装形态，”匹兹堡卡内基梅隆大学机器人学研究员戴维·赫尔德（David Held）指出。



当今的机器人常采用一种名为“拾取放置”的策略，即通过预设动作来操控织物。这种方式往往难以实现理想的折叠效果，因为柔软的织物可能出现意外的褶皱或变形。来源：A. LONGHINI 等 / ADAFOLD：通过反馈回路操控实现布料折叠轨迹的自适应调整 2024



一种新型折叠算法AdaFold能在每个步骤调整折叠路径，从而减少褶皱并响应织物形状的动态变化。来源：A. LONGHINI 等 / ADAFOLD：通过反馈回路操控实现布料折叠轨迹的自适应调整 2024

对人类而言，这项挑战更容易应对，因为我们有多个感官。当操纵三维物体时，我们的双眼与双手为我们提供了衣物的三维信息。而且仅凭观察布料，我们就能通过直觉判断其重量、弹性及最佳折叠方式。例如我们清楚牛仔布无法像丝绸般折叠，但机器人不行，他们无法直接理解并估计出折叠牛仔裤所需的力道大于轻薄衬衫——它们必须先与物体交互，才能制定折叠方案。

此外，机器人的“手”不像人类的手那样灵活多变。许多机器人的抓取装置都是根据物体的尺寸和形状专门设计的：例如，负责将螺栓拧入汽车面板的机器人，其抓取装置可能专为夹持特定尺寸的螺栓而打造。而洗衣作业所面临的挑战是织物的尺寸会随每次操作而变化，所以抓取装置必须能够精确适应任何形状和尺寸的织物。

瑞典皇家理工学院计算机科学家、2025年《控制、机器人与自主系统年度评论》中关于机器人折叠技术的论文合著者丹妮卡·克拉吉奇（Danica Kragic）指出，处理织物的关键是“需要先进的手部操作能力，也需要高阶推理能力”。

尽管机器人通常通过识别图像中的服装特征，来学习现实世界中衣物的特性，但有时也会运用物理学原理，将织物看成由弹簧连接的一系列质量点的模型，以此模拟织物的弹性。然而，即便是这些模型也往往无法捕捉服装的真实复杂性。为缩小这种现实差距（研究人员将此类问题称为“现实鸿沟”），科学家正致力于开发更优质的数据集。例如ClothesNet项目就收集了4400件模拟的三维服装模型，其中衣袖、衣领等特征均被标注，为机器人提供更逼真的学习素材。

在掌握面料特性后，许多机器人系统采用名为“拾取放置”的折叠策略：机器人通过计算机视觉技术识别衬衫上的特定点（如左袖），随后拾取该点并将其放置到另一个指定位置（例如右袖）。在这些模型中，操作的起点、终点及路径均基于面料预设特性（如弹性与重量）预先确定。尽管听起来简单，这种方法却限制了机器人适应环境实时变化的能力——例如遇到远超预期的重裤子，或被纽扣阻碍时。若发生此类情况，系统无法调整路径以正确完成折叠。

正因如此，结果并不理想。研究人员通常采用交并比（IoU）作为指标，评估折叠效果，该指标反映折叠后材料的重叠程度。完美折叠的IoU值为1，意味着布料被精确对折。2024年的一项研究显示，当尝试将矩形布料对折时，拾取放置系统的IoU值仅为0.41。



折叠效果的评估常采用交并比（IoU）方法，该指标衡量折叠上层对下层的覆盖完整度。完美折叠实现完全重叠，交并比为1；若两层存在错位，则交并比降低。

 新技术旨在提升机器人在折叠任务中应对实时变化的能力。其中一种方法名为AdaFold（因其自适应折叠能力而得名）。与传统的拾取放置技术不同，AdaFold能在折叠过程中动态调整方案。该模型在折叠过程中持续监测织物状态以评估进度，能适应布料形状与弹性的变化，并在必要时进行调整，确保折叠完成时达到最大重叠度。在一项2024年研究中，AdaFold实现了0.83的交并比（IoU）指标。



Figure人形机器人首秀灵巧手叠衣服！神经网络架构不变，只增加数据集就搞定 - 智源社区

AdaFold展现出的动态适应性响应能力，有望帮助研究人员设计出能灵活应对瞬息万变的世界的机器人。AdaFold的联合创作者阿尔伯塔·隆吉尼（Alberta Longhini）表示。她即将前往加州斯坦福大学开展博士后研究。“对机器人而言，这仍是复杂难题。”在机器人学家攻克这一难题之前，我们恐怕难以将洗衣等日常琐事托付给罗茜这样的机器人。