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。