在智能家居領域，一項突破性技術正悄然改變服務機器人的能力邊界。由頂尖科研團隊開發(fā)的GarmentPile++系統(tǒng)，首次賦予機器人處理復雜衣物堆疊場景的"管家級"操作能力。這項成果不僅攻克了柔性物體操作的行業(yè)難題，更在機器人領域國際頂會ICRA 2026引發(fā)關注，其核心模塊更成為《EAI-100具身智能領域2025年度百項代表性成果》的十大Demo項目之一。

傳統(tǒng)服務機器人面對衣物整理任務時，往往陷入"能看不能動"的困境。當多件衣物出現(xiàn)顏色相近、相互纏繞或部分遮擋時，機械臂要么因誤判邊界而抓取失敗，要么在操作過程中牽連其他衣物。更棘手的是，不同材質衣物的物理特性差異顯著——絲綢易滑、棉質易皺、針織易變形，這些特性都要求機器人具備精準的環(huán)境感知與決策能力。

研發(fā)團隊通過構建"認知-決策-執(zhí)行"的完整技術鏈，成功破解這些難題。在視覺識別階段，系統(tǒng)采用改進型SAM2分割算法，結合顏色分布、紋理特征和邊緣檢測技術，即使面對嚴重遮擋的衣物堆，也能精準繪制每件衣物的三維輪廓。當遇到粘連區(qū)域時，機器人會啟動動態(tài)觀察模式，通過輕微提拉觸發(fā)衣物形態(tài)變化，利用攝像頭實時追蹤完成邊界確認。

決策系統(tǒng)的創(chuàng)新體現(xiàn)在智能抓取點規(guī)劃。系統(tǒng)根據(jù)衣物材質、堆疊狀態(tài)和目標位置，生成包含風險評估的熱力圖：紅色區(qū)域代表最佳抓取點（如平整的衣身中部），藍色區(qū)域則標記高風險區(qū)域（如易滑落的領口或易變形的袖口）。這種基于物理特性的決策模型，使機器人能根據(jù)不同場景靈活調整操作策略。

在執(zhí)行層面，雙機械臂協(xié)同技術展現(xiàn)出顯著優(yōu)勢。面對T恤等小型衣物，單臂即可完成精準捏?。惶幚泶矄?、長裙等大件物品時，主臂負責提升主體部分，副臂同步托舉下方區(qū)域，通過動態(tài)調整夾持力度防止衣物拖地或纏繞。這種類人化的操作方式，使機器人能在保持衣物平整的同時，避免對周圍環(huán)境造成干擾。

實驗數(shù)據(jù)顯示，在開放衣堆和封閉收納筐兩種典型場景中，該系統(tǒng)的任務完成率較現(xiàn)有方法提升42%，平均操作步數(shù)減少35%。特別在處理多層纏繞的混合材質衣物時，其成功率達到91.7%，展現(xiàn)出強大的環(huán)境適應能力。更值得關注的是，系統(tǒng)通過深度學習模型持續(xù)優(yōu)化操作策略，隨著使用次數(shù)增加，其決策效率與操作精度將進一步提升。

這項技術突破標志著服務機器人向真實家庭場景邁出關鍵一步。不同于實驗室環(huán)境下的演示項目，GarmentPile++系統(tǒng)專門針對日常生活中的非結構化場景設計，其處理對象包括20余種常見衣物材質，覆蓋從內衣到外套的全品類服裝。研發(fā)團隊表示，未來將拓展系統(tǒng)在醫(yī)療護理、物流分揀等領域的應用，讓柔性物體操作技術惠及更多行業(yè)。