叠衣服，这项对人类来说再平常不过的家务，却是机器人领域公认的顶级难题之一。然而，中国的机器人正加紧学习这项技能，并开始从实验室走进真实的家庭环境，尝试将人类从繁琐的家务中解放出来。
为什么叠衣服对机器人如此困难？关键在于衣物属于“柔性物体”，没有固定的形态。当机器人试图抓住衣物的一角时，整件衣服的形状都会发生不可预测的变化。布料的厚薄、弹性、褶皱程度，甚至轻微的静电，都会影响抓取和折叠的最终效果。这要求机器人不仅要具备精准的视觉感知能力，还需要有类似人类的力觉反馈和长程规划能力，以应对操作过程中的种种不确定性。长期以来，这项任务一直被全球顶尖的机器人研究机构作为衡量其模型能力的核心标准。
近期，多家中国科技企业开始将叠衣机器人从概念推向现实。在武汉，全国首个面向家庭场景的通用机器人“拾光S1”已经发布，并开始进入社区进行规模化测试。这款机器人不仅能叠衣服，还能完成做饭、收拾餐桌等多种家务。与按固定程序执行任务的工业机器人不同，“拾光S1”搭载了自研的具身智能大模型，能够理解模糊指令并自主规划动作。目前，武汉市民已可申请成为“种子用户”，免费体验这款机器人。
与此同时，另一家名为“自变量机器人”的公司则采取“人机协作”的模式进入北京、深圳等地的家庭。用户通过家政服务平台预约后，会有一名家政人员、一名工程师和一台机器人上门服务。机器人的主要任务是作为助手，辅助完成叠衣服、整理桌面等工作。有体验者表示，虽然机器人目前动作较慢，叠一件衣服可能需要二十分钟，但完成度很高，叠出的衣物相当平整。这种模式的主要目的，是在真实的居家场景中收集宝贵的训练数据。
支撑这些机器人学会叠衣服的，是背后强大的“大脑”——具身智能模型。简单来说，就是为AI大模型装上了一个可以感知和与物理世界交互的“身体”。这使得机器人能够像人一样，通过观察和试错来学习，而不是依赖僵硬的预设程序。
然而，当前机器人行业发展的最大瓶颈是高质量训练数据的匮乏。为了解决这个问题，中国企业正另辟蹊径，尝试在真实场景中规模化地生成训练数据。除了将机器人直接送入家庭进行测试外，一些企业还动员普通人参与数据采集。例如，有电商公司与地方政府合作，让居民通过录制自己做家务的视频来获取报酬。这种模式甚至催生了新的职业——“数据采集员”，他们佩戴设备，在家庭环境中演示叠衣服、开门等动作，供机器人学习。分析人士认为，在中国本土大规模采集真实数据，将有助于开发出更适合国内环境的机器人，并可能成为中国机器人产业的一大优势。不少研究也证实，数据质量远比数量重要。一个开源的叠衣机器人项目显示，通过少量高质量的人类示范数据进行微调，机器人的叠衣成功率能得到显著提升。
尽管取得了显著进展，但让机器人成为完美的家务助手仍有很长的路要走。目前，这些“实习”机器人的工作效率还不高，并且成本昂贵。以“拾光S1”为例，其当前成本约20万元，距离普通家庭普及尚有距离，研发团队正努力在未来一到两年内将成本降至10万元以内。
此外，行业内也有声音提醒，机器人最终能否大规模普及，还取决于其能否真正为生活带来便利，而不仅仅是“一时新鲜”。但无论如何，中国机器人加紧学习叠衣服的背后，是人工智能从虚拟世界走向物理世界的重要一步。从实验室演示到进入真实家庭试用，这一进程正在加速。随着技术的迭代和成本的降低，机器人将我们从叠衣服这类琐事中彻底解放出来的那一天，或许正变得越来越近。
