為啥機器人集體放棄“跑酷” 全去“疊衣服”了？

還記得波士頓動力Atlas的跑酷視頻嗎？當年那段畫面，讓全世界真切感受到人形機器人運動能力的大跨步突破。早年也有機器人跳舞的演示，技術愛好者會盯著看關節(jié)怎么動、平衡穩(wěn)不穩(wěn)，那時候的行業(yè)，總愛比誰能做出更酷炫的極限動作。

但短短半年，風向徹底變了?，F(xiàn)在打開機器人企業(yè)的新品視頻，跑酷、跳舞少見了，取而代之的全是“疊衣服”的操作。

Figure 03用五指手試著疊毛巾，邊角偶爾卷起來也沒停下；Weave Robotics的半自動疊衣視頻加了2倍快進，看著利落，實際上藏著真實速度偏慢的問題。

谷歌ALOHA的掛衣演示沒剪幀，動作慢悠悠的，偶爾還對不齊衣架，反倒因為真實圈了不少粉；Dyna Robotics更直接，讓機器人連續(xù)18小時疊餐巾，機械臂反復起落，透著一股死磕一個任務的執(zhí)著勁兒。

機器人從瘋狂炫技再到著手做家務，說到底是行業(yè)當中的概念炒作少了。企業(yè)開始重新思考逐漸開始觸碰市場的真實需求。

▍為什么偏偏要學習疊衣服？

機器人企業(yè)扎堆做疊衣，核心是技術和需求對上了。十年前，機器人疊衣服還是實驗室里的稀罕事。2010年由Willow Garage公司推出來的PR2機器人，得在固定的綠色背景下，才能勉強疊好一件簡單襯衫，動作慢到讓人沒耐心等，換件衣服、換個環(huán)境就大概率失靈。

那時候的技術全靠精準標定的相機和手工編的動作程序，演示更像“一次性表演”，壓根沒法實際用。

轉折點是機器人學習技術的突破。擴散模型和零樣本學習成熟后，機器人不用逐一步驟編程，靠幾千條人類演示數(shù)據(jù)，就能自己摸透疊衣服的門道。再加上HuggingFace、LeRobot生態(tài)系統(tǒng)以及框架的普及，技術門檻降了不少，初創(chuàng)團隊也能借著預訓練模型快速做出演示。就像谷歌ALOHA，只用6000條系鞋帶的演示數(shù)據(jù)，就讓機械臂學會了這精細活，而疊衣服容錯率更高，收集數(shù)據(jù)也更簡單。

更關鍵的是需求實在太剛性，“不想手動疊衣服”是很多人的心聲，甚至有人愿意為這事兒多花錢。對1X Technologies這些面向家庭場景開發(fā)的機器人企業(yè)來講，比起門檻高的工業(yè)場景，家用疊衣場景大家更容易感知到價值，落地路徑也更清晰。就算現(xiàn)在的演示還不完美，大家也能從里面看到未來：說不定以后真有能包攬家務、解放雙手的機器人管家。

而且疊衣服的“試錯成本”低。打翻杯子得換新品，組裝零件錯了要重新調試，但疊衣服失敗了，把衣服重新擺好就能再來一次。這種不容易損壞設備、容錯率高的特點，讓企業(yè)能花更少的錢打磨技術、做演示，尤其適合資金有限的初創(chuàng)團隊。

▍機器人確實會疊衣服了但還不會疊好衣服

雖然疊衣演示五花八門，但冷靜想想，現(xiàn)在的技術離“讓人愿意掏錢買”，還有不小的距離。

先看細節(jié)上的問題，F(xiàn)igure 03疊衣服時放得太快，邊角容易卷翹，但凡疊過衣服的都知道，動作輕一點才不會起褶，這背后是機器人摸不準衣物材質，也沒法及時感知受力情況。

1X Technologies的Neo機器人，機械臂整理衣服的動作看著揪心，折疊過程還一板一眼，完全沒有人類靈活調整的狀態(tài)；Weave Robotics用2倍快進掩蓋真實速度，其實就算不加速，很多演示的效率也遠趕不上人。

再看具體場景的局限性問題，仔細看視頻就會發(fā)現(xiàn)，企業(yè)拍攝的大部分的演示都是在實驗室和固定的樣板間，桌面是純色平整的，衣服是單一材質的，背景也沒任何干擾。要不然就是像1X TechnologiesNeo機器人一樣采用遙操作，人類專家在遠程遙控貼衣服。但真實的家庭環(huán)境哪會這么理想？衣服可能掉在地毯上，還混著襪子、內(nèi)衣，桌面堆滿雜物，光線也時亮時暗。谷歌ALOHA的掛衣演示夠真實了，卻暴露了“對齊難”的問題：連簡單的掛衣架都要反復調整，更別說處理皺巴巴的襯衫、一拉就變形的毛衣了。

最核心的問題，是企業(yè)和消費者想得不一樣。企業(yè)總在說“機器人能疊衣服了”“實現(xiàn)零樣本折疊了”，糾結的是“能不能做到”；但終端用戶更關心的是“能不能做好”：會不會扯壞真絲襯衫？能不能在5分鐘內(nèi)疊完一籃衣服？能不能自己從洗衣籃里拿衣服，疊好后還能放進衣柜？現(xiàn)在多數(shù)演示只完成了“折疊”這一個動作，取衣、整理、收納這些關鍵步驟都沒涉及，這種“半成品”式的技術展示，其實更多的只是技術中間的一環(huán)而已。

就像行業(yè)里有人說的：“消費者愿意花錢，只因為機器人能把活干完、干好，把時間和自由還給他們?！倍F(xiàn)在的機器人，在家務這件事上還只是個“入門新手”，依舊還有很長的路要走。

▍從跑酷到疊衣，行業(yè)終于想通了“落地”這件事

早年的跑酷、跳舞演示，更多的是“秀肌肉”。用極限動作證明機器人的運動控制、平衡能力，吸引資本注意、炒熱行業(yè)熱度，在技術剛起步的時候，這確實有必要。但行業(yè)發(fā)展到一定階段，光“炫技”沒法推動商業(yè)落地，企業(yè)必須找到技術和市場的結合點。疊衣賽道的爆發(fā)，正是行業(yè)從“我能做什么”轉向“用戶需要什么”的明顯信號。

這也揭示了人形機器人的發(fā)展邏輯：技術突破不一定非要盯著極限性能，能不能適配實際場景更重要。日本發(fā)那科、安川這些工業(yè)機器人巨頭，能長期占據(jù)市場主導，核心就是一直圍著工業(yè)生產(chǎn)的真實需求做研發(fā)。他們不關心機器人“跳得好不好看”，只在乎“焊接準不準”“搬運效率高不高”。人形機器人要想大規(guī)模走進市場，也得遵循這個道理：先解決用戶的“剛需痛點”，再慢慢拓展更復雜的功能。

當然，這不是說行業(yè)要放棄核心技術?，F(xiàn)在疊衣演示暴露的感知精度不夠、操作不靈活等問題，還得靠優(yōu)化算法、升級硬件來解決?！禨cience Robotics》在11月刊發(fā)的論文《Learning a thousand tasks in a day》，提出“機械臂24小時學會1000項任務”的方向，給行業(yè)提供了新思路，用更高效的算法減少對數(shù)據(jù)的依賴，讓機器人能自己學習、更好地適應環(huán)境。未來技術成熟了，機器人或許能從“疊衣服”拓展到洗碗、擦窗、整理衣柜等更多場景，但前提是始終圍繞用戶需求來。

▍結語與未來：務實，才是技術落地的最好姿態(tài)

從Atlas的跑酷到Figure的疊衣，人形機器人行業(yè)用了這么多年才想明白：技術的價值，不在于突破多少極限，而在于能不能走進日常生活、解決真實問題。疊衣賽道的熱鬧，既是技術進步的證明，也說明行業(yè)終于回歸理性。

對于我們這些技術旁觀者來講，不用苛責現(xiàn)在的演示不夠完美，任何技術成熟都需要時間沉淀。但對企業(yè)來說，不能只滿足于“演示好看”，更要聚焦用戶的真實訴求：把折疊速度提上來，把操作精度磨上去，把場景適配性做扎實。等機器人能真正疊好每一件衣服，能自主完成從取衣到收納的全流程，等“家務機器人”不再是概念而是日常，人形機器人才能真正實現(xiàn)商業(yè)價值。