美国机器人初创公司Kinsi Robotics上周发布新视频，展示其KR-1机器人自主叠毛巾的过程，并同步解释训练该任务的方法。这项任务要求机器人从桌面的随机位置拾取毛巾，并像人类一样将其整齐叠好。

KR-1机器人通过同步感知、规划与灵巧操作，实现了整洁且可重复的叠毛巾操作。该实验旨在证明，对于柔软易变形的物体，动觉教学法相比传统代码编程具有更大优势。

动觉教学：让机器人"手把手"学习

工程师采用了一种特殊的动觉教学方法：通过人类操控机器人进行动作示范，使其在观察中学习任务执行。在训练过程中，操作人员以柔顺控制模式移动机器人手臂，逐步演示任务步骤，系统同步记录机器人的视觉观察与运动数据。

每次演示中，机器人会记录RGB摄像头图像、手臂运动轨迹及夹爪动作，建立视觉输入与物理行为间的精细映射。通过多次重复演示，KR-1不仅学习单一固定模式，更能适应不同初始状态下的毛巾定位与折叠任务。

从数据采集到自主决策

完成数据采集后，机器人进入自主学习阶段，建立从视觉输入到物理动作的直接映射。系统以摄像头图像为主要信息源，学习如何决策下一步动作，并相应调整手臂与夹爪操作。

模型并未依赖人工标注的"毛巾边角"等显式标签，而是逐步掌握视觉规律——边缘通常出现的位置、特定拉扯如何改变织物形态、如何将毛巾不同部分对齐完成折叠。这种学习方式更接近人类通过实践积累经验的过程。

柔软物体为何成为机器人难题？

对机器人而言，处理毛巾等柔软物体存在独特挑战：其形状会随着微小动作持续变化。与可通过几何和物理方程预测行为的刚性物体不同，可变形材料难以建立精确模型。

该实验团队没有依赖显式仿真，而是让机器人通过重复经验进行学习，内化毛巾对不同动作的反应模式——这与人类通过练习掌握技能的方式高度相似。

超越叠毛巾：指向机器人技术新范式

这项简单的叠毛巾实验，实际上指向机器人技术向基于学习的操作方式的更广泛转型。通过示范教学而非刚性规则编程，工程师能让机器人掌握应对不确定性与灵活性的多样化技能。

同样的方法未来或可赋能机器人协助日常家务劳动，以及需要高度适应性的精密工业处理任务，为柔顺操作领域开辟新的可能性。