sewts
讓機器人處理布料等易變形材料的視覺 AI
機器人抓一塊鋼板很容易，抓一條毛巾卻困難得離譜——布料會皺、會垂、會纏在一起，形狀每一秒都在變，傳統的視覺定位完全失效。德國慕尼黑的 sewts 專攻這個問題，用機器學習加影像處理讓機器人理解柔性材料的狀態，預測它被抓起來之後會變成什麼形狀。
功能特色與適用場景
技術核心是柔性物體的狀態估測與抓取規劃。目前最成熟的落地是工業洗衣領域——旅館與醫院的織品處理量極大，把毛巾、床單從一堆糾纏的狀態中一件件分開並攤平送進燙平機，一直是高度仰賴人工的環節。
適合工業洗衣廠、紡織成衣自動化與物流分揀。台灣的旅館與醫院織品洗滌同樣是勞力密集且缺工嚴重的行業，這類針對「軟東西」的自動化技術，比通用機械手臂更貼近實際需求。
主要功能
- 柔性材料狀態視覺辨識
- 變形預測與抓取規劃
- 工業洗衣自動化應用
- 與機器手臂系統整合
- 紡織品處理專用模型
常見用途
- 工業洗衣織品分揀
- 成衣製程自動化
- 紡織品品檢
- 柔性物料上下料
TheAI學院 編輯建議
編輯實測後的真心話機器人界有個說法：越是人類覺得簡單的事，機器越難。摺一條毛巾，三歲小孩會，全世界頂尖的機器人團隊做了十幾年還在努力。
— theai 編輯團隊
主要功能
- 柔性材料狀態視覺辨識
- 變形預測與抓取規劃
- 工業洗衣自動化應用
- 與機器手臂系統整合
- 紡織品處理專用模型
適用場景
- 工業洗衣織品分揀
- 成衣製程自動化
- 紡織品品檢
- 柔性物料上下料
sewts 的優點與缺點
優點
- 解決機器人領域公認困難的柔性物體問題
- 工業洗衣落地場景明確
- 針對缺工嚴重的產業
缺點
- 應用範圍目前仍相對聚焦
- 整體方案（含機械手臂）投資額高
- 導入需要現場流程配合改造
sewts 常見問題
為什麼抓布料這麼難？
因為它沒有固定形狀。剛性物體只要知道位置與角度就能抓，布料被抓起來的瞬間形狀就變了，系統必須預測變形結果才能規劃下一步。
成衣縫製可以全自動化嗎？
還不行。縫製涉及更複雜的雙手協調與張力控制，目前自動化較成功的是前後段（分揀、攤平、摺疊），中間的縫製仍高度依賴人工。
使用者評價
還沒有足夠評價，搶先分享你的使用心得！
