机器人站在衣柜前，急需找出那件藏在衣服堆里的蓝色衬衫。翻找间，刚叠好的衣服又散作一团。

由北大长聘副教授&上纬启元首席科学家董豪老师带领团队正让服务机器人获得一项“管家级”技能：面对杂乱堆叠的衣物，它能听懂你的指令，精准抽出目标衣物，且不碰乱其他衣服。这项研究成果已被机器人领域国际顶会ICRA 2026接收，在不久前《EAI-100 具身智能领域2025年度百项代表性成果与人物》中，“柔性物体仿真与操作”专题获得 10大Demo项目奖，而董豪团队成果GarmentPile++ 是其重要的组成部分之一。

为什么“取一件衣服”比想象中更难？因为机器人面对的是柔软、易变形、互相缠绕的“活”物体。想要把这活干好，首先要“分得清”。 当多件衣物颜色相近、堆叠遮挡时，机器人必须透过表层判断底下那件衣服的准确边界，而非将两件衣服误认为一件。其次要“听得懂”。 当你说“拿那件红色的”，机器人不仅要识别颜色，还需结合语境判断：是拿最上面的，还是压在最下面但最容易完整抽出的那一件？其三要“取得稳”。衣物柔软易变形，抓取点的选择直接决定成败——抓领口可能撕扯变形，抓下摆可能一次拽出三件。遇到床单、长裙等大件，单手操作更易导致衣物拖地或缠绕。

过去的机器人往往只能完成其中某一环节，要么只能在衣服单独悬挂时工作，要么在杂乱场景中频频“失手”牵连其他衣物。

GarmentPile++ 的创新在于赋予机器人一套完整的“认知-决策-执行”逻辑，模拟人类面对衣堆时的自然反应：系统首先利用先进的视觉分割技术（SAM2），为衣堆中的每件衣物绘制精确轮廓。即便面对严重遮挡，它也能通过颜色、纹理和边缘特征区分个体。若遇到衣物粘连导致边界模糊，机器人会启动“微调观察”：它轻轻提起可疑区域的衣物，通过摄像头追踪衣物舒展后的形态变化。

确定目标后，系统进入分析阶段。基于对衣物三维形态的理解，它会在脑海中生成一张“热力图”：颜色越暖的区域表示越适合抓取（如平整的衣身中部），颜色越冷的区域则代表高风险区（如易滑的丝绸边缘或易变形的袖口）。这确保机器人始终选择既能稳定提起、又不会破坏衣物形态的最佳着力点。

对于T恤等小型衣物，单臂精准捏取即可；但当系统识别到床单、长裤等大件，或感知到单臂提起时衣物下垂可能触碰桌面引发拖拽时，它会启动双臂协作策略。主臂负责提起衣物主要部分，副臂则在下方适时托住或夹持另一处，像经验丰富的管家那样“捧”出衣物，确保过程中不牵扯、不扰动周围其他衣物。

实验数据显示，在模拟家庭环境的“开放衣堆”与“收纳筐（封闭边界）”两种场景中，GarmentPile++ 的任务成功率显著优于现有方法，且平均抓取步数更少，动作更为高效优雅。

这项技术突破的现实意义在于，它首次让机器人具备了处理“真实凌乱”的能力。这不仅是算法的进步，更是让科技真正懂得生活、尊重细节的重要一步。