机器人抓一块钢板很容易，抓一条毛巾却困难得离谱——布料会皱、会垂、会缠在一起，形状每一秒都在变，传统的视觉定位完全失效。德国慕尼黑的 sewts 专攻这个问题，用机器学习加影像处理让机器人理解柔性材料的状态，预测它被抓起来之后会变成什么形状。
功能特色与适用场景
技术核心是柔性物体的状态估测与抓取规划。目前最成熟的落地是工业洗衣领域——旅馆与医院的织品处理量极大，把毛巾、床单从一堆纠缠的状态中一件件分开并摊平送进烫平机，一直是高度仰赖人工的环节。
适合工业洗衣厂、纺织成衣自动化与物流分拣。台湾的旅馆与医院织品洗涤同样是劳力密集且缺工严重的行业，这类针对「软东西」的自动化技术，比通用机械手臂更贴近实际需求。
主要功能
- 柔性材料状态视觉辨识
- 变形预测与抓取规划
- 工业洗衣自动化应用
- 与机器手臂系统整合
- 纺织品处理专用模型
常见用途
- 工业洗衣织品分拣
- 成衣制程自动化
- 纺织品品检
- 柔性物料上下料
主要功能
- 柔性材料状态视觉辨识
- 变形预测与抓取规划
- 工业洗衣自动化应用
- 与机器手臂系统整合
- 纺织品处理专用模型
优点
- 解决机器人领域公认困难的柔性物体问题
- 工业洗衣落地场景明确
- 针对缺工严重的产业
缺点
- 应用范围目前仍相对聚焦
- 整体方案（含机械手臂）投资额高
- 导入需要现场流程配合改造
使用场景
- 工业洗衣织品分拣
- 成衣制程自动化
- 纺织品品检
- 柔性物料上下料
编辑点评
机器人界有个说法：越是人类觉得简单的事，机器越难。折一条毛巾，三岁小孩会，全世界顶尖的机器人团队做了十几年还在努力。
常见问题
为什么抓布料这么难？
因为它没有固定形状。刚性物体只要知道位置与角度就能抓，布料被抓起来的瞬间形状就变了，系统必须预测变形结果才能规划下一步。
成衣缝制可以全自动化吗？
还不行。缝制涉及更复杂的双手协调与张力控制，目前自动化较成功的是前后段（分拣、摊平、折叠），中间的缝制仍高度依赖人工。