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：

1. 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。
2. 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。
3. 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。
4. 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 pass

2.2 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(f"Unknown 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 = 'done'

2.3 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, speed=0.01) # 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, speed=0.05)

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：

1. 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。
2. 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。
3. 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。
4. 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2（Nav2）、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.bash

2. 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 2：ROS 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, duration=2.0): 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(args=None): rclpy.init(args=args) 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（VLM+LLM）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。