叠衣机器人两条路:专精快准 vs 万能但慢,谁更值得买?
01产品类型与定位差异
当前市场上的叠衣机器人可分为两类:一类是专注单一任务的专用型设备,如Weave Robotics的Isaac 0、FoldiMate自动叠衣机;另一类是具备多任务能力的通用家务机器人,如武汉发布的“拾光S1”、LG的CLOiD。专用型产品聚焦衣物折叠全流程,从识别、铺平到收纳高度优化,但功能边界明确;通用型则强调任务泛化能力,除叠衣外还能做饭、洗碗、陪聊等,但单项任务效率未必最优。
专用型代表如Isaac 0,“唯一功能就是叠衣服”,处理T恤、裤子、毛巾等常规衣物,但“对床单、被套等大件无能为力”。而“拾光S1”作为“全国首个家庭通用机器人”,可完成加热食物、洗碗、叠衣、清洁桌面等7个子任务,且“不依赖固定预设程序,依靠自研具身智能自主理解任务、规划动作”。两者在产品哲学上存在根本分歧:前者追求特定场景下的极致可靠,后者押注长期任务扩展性。
专用型代表如Isaac 0,“唯一功能就是叠衣服”,处理T恤、裤子、毛巾等常规衣物,但“对床单、被套等大件无能为力”。而“拾光S1”作为“全国首个家庭通用机器人”,可完成加热食物、洗碗、叠衣、清洁桌面等7个子任务,且“不依赖固定预设程序,依靠自研具身智能自主理解任务、规划动作”。两者在产品哲学上存在根本分歧:前者追求特定场景下的极致可靠,后者押注长期任务扩展性。
02核心技术能力对比
| 维度 | 专用型(Isaac 0) | 通用型(拾光S1) | 技术验证平台(招商局狮子山) |
|---|---|---|---|
| 视觉识别 | 双摄像头+触觉传感器,识别衣物类型 | RGBD相机+自研VLA模型,识别环境与物体 | 自研VLA模型,支持任意形状衣物分类 |
| 机械结构 | 固定式双臂,6自由度/臂,无移动能力 | 轮式底盘+双机械臂,可自主导航避障 | 双臂仿人结构,支持铺平-折叠全流程 |
| 任务范围 | 仅衣物折叠,支持T恤/裤子/毛巾等 | 7项家务子任务,含做饭、洗碗、叠衣等 | 专注柔性物体操作,作为算法验证平台 |
| 人工干预 | 遇复杂褶皱需远程操作员介入5-10秒 | 全程自主执行,无需人工辅助 | 真机对抗中实现全自动操作 |
在核心技术层面,三类产品路径各异。专用型如Isaac 0虽配备双臂,但“必须插在墙上的电源插座上使用,无法移动”,其感知系统依赖硬件堆砌,“仅此项硬件成本占比超30%”。通用型“拾光S1”则采用移动平台,“首次进入一个家,会自行扫描三维地图”,并支持语音触发环境重学习。而招商局狮子山实验室的方案更侧重算法突破,在ICRA 2026竞赛中“克服了柔性物体操作、仿真到真实迁移等多重挑战”,其技术成果虽未直接商用,但代表了行业前沿方向。
03效率与实用性表现
叠衣效率对比
专用型观点
FoldiMate“5分钟搞定20-40件衣服”[17]
专业叠衣机“每分钟可处理5-8件衣物”[11]
毫米级误差控制,“折叠整齐度媲美人工”[1]


通用型现状
用户实测“叠一件衣服用了快两分钟”[18]
LG CLOiD“仅将毛巾放入洗衣机就耗时半分钟”[10]
拾光S1未公布具体叠衣时长,但需完成多步骤任务链[22]
效率差异显著影响实用性判断。专用设备因任务单一,流程高度优化,FoldiMate宣称“5分钟处理20-40件”,而专业机型可达“每分钟5-8件”。相比之下,通用机器人因需兼顾多任务,单任务效率较低。有用户在深圳体验“机器人保洁”时观察到,“叠一件衣服用了快两分钟”。此外,面对特殊衣物时,两类设备均存在局限:“婴儿连体衣、西装等复杂服装”专用机“无能为力”,而通用机在“衣物混杂(如袜子卡在袖口)时需人工干预”。这表明,无论哪种路线,当前技术尚难覆盖全部家庭衣物场景。
04价格与成本结构
- 专用型定价:Weave Robotics Isaac 0售价7999美元(约5.7万元),月租450美元;FoldiMate约600-980美元(4000-6700元)
- 通用型成本:“拾光S1”单台硬件成本约20万元,商用版售价30万元,计划2027年降至10万元内;LG CLOiD预计售价10.8万-28.8万元
- 成本构成:Isaac 0硬件成本约5000美元,伺服电机和触觉传感器占60%;专用机量产成本可低至1800元
价格策略反映产品定位差异。专用型覆盖从千元级到近6万元区间,后者因“硬件成本占比过高”且“毛利率不足40%”引发质疑。通用型则处于高端区间,“拾光S1”当前成本约20万元,但厂商预期通过“核心零件国产化”在2027年降至10万元内。值得注意的是,专用机在维护成本上更具优势:“结构简单,故障率低,用户仅需定期清洁传感器”,而通用机需持续软件升级与算法迭代,长期使用成本尚不明确。
05未来演进方向
两类产品的演进路径呈现收敛趋势。专用型厂商如Weave Robotics承诺“通过每周系统更新降低人工干预依赖”,并暗示平台具备模块化升级潜力。通用型则加速夯实基础能力:“拾光S1”计划2026年三季度发布GigaBrain 1具身智能大模型,提升“家庭场景数据理解、跨场景任务泛化”能力。开源社区亦推动技术民主化,Hugging Face团队以低成本方案实现90%叠衣成功率,证明“便宜方案更灵活、更好用”。未来,专用与通用的界限或逐渐模糊——专用设备增加任务模块,通用平台优化单项效率,最终共同指向“家务智能化全覆盖”的目标。
当前文章无评论,是时候发表评论了