问题——衣物“柔性难题”制约服务机器人落地 家庭服务、酒店保洁、养老照护等应用中，“把散落或堆叠的衣物整理归位”是高频需求；然而，相比纸箱、餐具等刚性物体，衣物意义在于形态可变、褶皱随机、遮挡严重等特征，同一件衣服在不同堆叠状态下外观差异大、抓取反馈不确定，导致机器人在“从衣堆中取出指定衣物”该步就容易失败。特别是长裙、外套等长条柔性物体，单臂抓取时容易拖地、卷带邻近衣物，进而引发二次混乱与重复搜索，成为影响实际应用的关键瓶颈。 原因——“看得见”不等于“听得懂、抓得稳、拿得准” 业内既有方法往往偏重图像层面的识别与分割，能够在一定程度上“看见衣物”，却难以把用户指令中的语义约束转化为可执行的操作策略：一上，指令往往涉及颜色、类别、位置等复合描述，需要遮挡与相似纹理中做可靠判别；另一上，即便选对目标，抓取点选择仍受褶皱、重心与接触摩擦影响，单靠规则或经验很难兼顾成功率与对周边衣物的扰动。此外，衣物被提起后的形态会快速变化，系统若缺少对“是否过长”“是否夹带多件”等状态的线判断，就难以决定是否需要双臂配合，从而影响稳定搬运与后续折叠、悬挂等操作。 影响——从“能抓”走向“会整理”，是服务机器人能力升级的分水岭 衣物整理看似琐碎，却牵动服务机器人从展示性任务走向持续性任务的关键能力：其一，衣物操作要求在复杂遮挡中做目标检索与顺序决策，考验感知与规划的融合；其二，柔性物体的形态变化要求系统具备在线反馈与纠错能力；其三，整理任务通常需要与人共处环境，涉及安全、卫生与效率，直接关系到产品化落地的可行性。若能在“衣堆取衣”环节形成稳定可靠的方法，将有望带动衣物分类、折叠、入柜等更长链条的自动化，拓展服务机器人在家庭与机构场景的应用边界。 对策——“视觉—语言—可供性”一体化管线+状态感知双臂协作 针对上述痛点，北京大学团队提出GarmentPile++方案，核心思路是把杂乱衣物从“不可枚举的柔性状态”转化为可检索、可推理、可执行的操作对象，并用三类模块形成闭环。 第一步，明确“拿哪件”。系统首先对衣堆进行全景分割，并结合视觉与语言的联合理解能力，将用户指令映射到候选衣物集合中，再综合暴露面积与遮挡代价等因素确定优先目标。为降低分割误差带来的连带影响，方案引入了“掩码微调”机制：当系统判断某些分割结果存在把多件衣物混为一体的风险时，通过试探性抓取与抖动获取更清晰的观测，再对分割结果进行校正，从而提升单件对应的准确性。 第二步，决定“从哪抓”。在锁定目标后，系统基于点云信息进行可供性评估，输出抓取“热度分布”，倾向选择褶皱中心、受力更稳定且更接近衣物重心的位置作为抓取点，以提高一次抓取成功率，并尽量减少对相邻衣物的误抓与带动。 第三步，保障“怎么拿得稳”。衣物离开堆叠后形态迅速变化。方案通过对抓取过程的视频流进行状态评估，在线判断是否出现“提起后下垂过长”或“夹带多件”等情况。一旦触发阈值，辅助机械臂将对下垂部位进行补抓，形成双臂协同搬运，避免拖地与二次纠缠，为放置到工作台、后续折叠或悬挂创造稳定前提。 团队在开放边界与封闭边界等典型环境中，围绕“顺序取出全部衣物”和“按指令取出指定衣物”等任务进行验证。结果显示，该方案在平均成功率和平均抓取次数等指标上表现较为突出。消融测试更表明，掩码微调、可供性抓取、双臂判定与双臂协作等环节相互支撑，缺少任一模块都会显著影响整体效果。 前景——从“精准取出一件”迈向“自动整理一柜”，仍需跨越工程化门槛 业内人士认为，GarmentPile++在于把“语言指令理解—目标检索—抓取执行—状态反馈”贯通起来，为柔性物体操作提供了可复用的技术路径。下一阶段，若要从实验室走向家庭与机构的真实场景，还需在三上继续突破：其一，提升跨材质、跨款式、跨光照条件的泛化能力，降低对特定数据分布的依赖；其二，强化安全与可靠性验证，尤其是在与人共处环境中对夹手、碰撞、误抓私人物品等风险进行约束；其三，打通与衣物分类、折叠、入柜等任务的流程衔接，实现从“取出”到“整理”的全链条闭环。随着传感器成本下降与硬件平台成熟，柔性物体操作有望成为服务机器人能力升级的重要方向，并在养老照护、家庭家政与公共服务等领域释放更大应用空间。
柔性物体操作的难点在于不确定性，而这种不确定性需要依靠“理解—判断—执行”的系统能力来化解。将语言意图、可供性推理与双臂协作纳入同一决策链条，展现了服务机器人迈向真实生活场景的一条可行路径。未来，能否在安全、成本与泛化能力之间取得平衡，将决定这类方案走向规模化应用的速度与质量。