在智能家居领域，一项突破性技术正悄然改变服务机器人的能力边界。由顶尖科研团队开发的GarmentPile++系统，首次赋予机器人处理复杂衣物堆叠场景的"管家级"操作能力。这项成果不仅攻克了柔性物体操作的行业难题，更在机器人领域国际顶会ICRA 2026引发关注，其核心模块更成为《EAI-100具身智能领域2025年度百项代表性成果》的十大Demo项目之一。
传统服务机器人面对衣物整理任务时，往往陷入"能看不能动"的困境。当多件衣物出现颜色相近、相互缠绕或部分遮挡时，机械臂要么因误判边界而抓取失败，要么在操作过程中牵连其他衣物。更棘手的是，不同材质衣物的物理特性差异显著——丝绸易滑、棉质易皱、针织易变形，这些特性都要求机器人具备精准的环境感知与决策能力。
研发团队通过构建"认知-决策-执行"的完整技术链，成功破解这些难题。在视觉识别阶段，系统采用改进型SAM2分割算法，结合颜色分布、纹理特征和边缘检测技术，即使面对严重遮挡的衣物堆，也能精准绘制每件衣物的三维轮廓。当遇到粘连区域时，机器人会启动动态观察模式，通过轻微提拉触发衣物形态变化，利用摄像头实时追踪完成边界确认。
决策系统的创新体现在智能抓取点规划。系统根据衣物材质、堆叠状态和目标位置，生成包含风险评估的热力图：红色区域代表最佳抓取点（如平整的衣身中部），蓝色区域则标记高风险区域（如易滑落的领口或易变形的袖口）。这种基于物理特性的决策模型，使机器人能根据不同场景灵活调整操作策略。
在执行层面，双机械臂协同技术展现出显著优势。面对T恤等小型衣物，单臂即可完成精准捏取；处理床单、长裙等大件物品时，主臂负责提升主体部分，副臂同步托举下方区域，通过动态调整夹持力度防止衣物拖地或缠绕。这种类人化的操作方式，使机器人能在保持衣物平整的同时，避免对周围环境造成干扰。
实验数据显示，在开放衣堆和封闭收纳筐两种典型场景中，该系统的任务完成率较现有方法提升42%，平均操作步数减少35%。特别在处理多层缠绕的混合材质衣物时，其成功率达到91.7%，展现出强大的环境适应能力。更值得关注的是，系统通过深度学习模型持续优化操作策略，随着使用次数增加，其决策效率与操作精度将进一步提升。
这项技术突破标志着服务机器人向真实家庭场景迈出关键一步。不同于实验室环境下的演示项目，GarmentPile++系统专门针对日常生活中的非结构化场景设计，其处理对象包括20余种常见衣物材质，覆盖从内衣到外套的全品类服装。研发团队表示，未来将拓展系统在医疗护理、物流分拣等领域的应用，让柔性物体操作技术惠及更多行业。
