导语： 当Figure AI、Sunday Robotics、Weave Robotics、1X等累计融资数十亿美元的机器人创业公司，不约而同把“叠衣服”当作进入家庭的第一道门槛，很多人觉得这有点小题大做。但正是这项看似简单的家务，却最能检验人工智能在物理世界中的真实能力。从感知到操控，从成本到数据，叠衣服背后藏着家用机器人商业化最关键的密码。
为什么偏偏是叠衣服？——技术挑战与安全入口
对于机器人来说，叠衣服远非“把布料对折”那么简单。衣物属于典型的“可变形物体”，其形态会随着动作实时变化，没有固定的几何特征。机器人需要先通过视觉系统识别一件揉成一团的T恤，判断它的朝向、纹理和褶皱分布，然后规划出抓取、展开、对折、压平等一系列精细动作。Figure AI曾把这项任务形容为人形机器人“最具挑战性的灵巧操作之一”，这毫不夸张。
但恰恰是这种高难度，让叠衣服成为了一个绝佳的“技术试金石”。与在工厂里搬运标准化零件不同，家庭环境充满了不确定性——沙发上的抱枕、地上的玩具、突然跑过的宠物，都可能打乱机器人的计划。哥伦比亚大学机械工程教授Matei Ciocarlie将家庭称为“终极非结构化环境”，而叠衣服场景可以将机器人限制在固定区域，由人将衣物送到机器面前，从而大幅降低自主导航的复杂度。
更重要的是，叠衣服的失败成本极低。斯佩尔曼学院院长、机器人专家Ayanna Howard指出，即便机器人操作失误，衣服掉在地上通常也不会损坏。这种“容错性”让创业公司敢于在真实家庭中部署测试，而不用担心一次失误造成用户信任危机。可以说，叠衣服是家用机器人从实验室走向客厅的“安全入口”。
从Laundroid到FoldiMate：为什么上一代叠衣机器人全死了？
机器人叠衣服并不是新鲜事。早在2017年，日本企业就推出了售价1.6万美元（约10.8万元人民币）的Laundroid叠衣机器人，它能在5-10分钟叠好一件衣服，但最终于2019年申请破产。另一家明星公司FoldiMate连续多年在CES上展示原型机，却始终未能实现量产交付。这些失败案例给整个行业留下了深刻的教训。
成本过高是第一道坎。1.6万美元的售价远超普通家庭对“叠衣服”这一功能的心理价位，甚至比买一台高端洗衣机加烘干机还要贵得多。可靠性不足则是更致命的硬伤——Laundroid遇到陌生类型的衣物（比如带帽绳的卫衣、不规则裙摆）常常束手无策，需要人工干预，最终沦为“昂贵的玩具”。
更深层的原因在于，当时的AI技术远未成熟。传统计算机视觉很难处理衣物的变形、遮挡和重叠，机器人只能依靠预设的模板和规则运行，一旦环境稍有变化就会崩溃。而如今的AI技术已经发生了质变，深度学习、强化学习、大模型等最新科技让机器人具备了更强的泛化能力，可以适应更多样化的衣物和场景。这正是新一批创业公司敢于重注叠衣服的底气所在。
AI技术的大爆发如何改变叠衣机器人？
如果说过去十年是“互联网数据”的黄金时代，那么现在“物理世界数据”正在成为新的稀缺资源。大语言模型可以靠海量文本训练，但机器人缺少同等规模的“操作数据”。每抓取一件衣服、每折叠一次，都是极其宝贵的物理交互样本。
新一代机器人公司正在用全新的方式解决这一问题。Sunday Robotics采用售价约200美元（约1350元人民币）的传感器手套，让人佩戴后执行日常家务，从而采集精细的操作数据。这些数据被用来训练机器人的神经网络模型，使其能够理解“怎么拎起一只袖子”“怎么对齐两个衣角”等细微动作。AI工具导航上类似的创新方案正在不断涌现。
与此同时，仿真环境的进步也大大加速了训练过程。通过虚拟引擎模拟衣物的物理属性，机器人可以在一天内完成数百万次折叠尝试，而不会产生任何实际损耗。这种“仿真+现实”的混合训练策略，让叠衣机器人的成功率从几年前的不足50%提升到了现在的90%以上。当然，真实家庭中的极端情况（比如湿衣服、带装饰的衣物）仍是考验，但AI图片生成技术甚至可以用来生成各种罕见衣物的图像，辅助视觉模型的训练。
价格与功能：一台叠衣机器人到底值不值？
即便技术已经取得突破，价格依然是消费者最敏感的问题。Weave Robotics的Isaac机器人售价高达8000美元（约5.4万元人民币），也提供每月449美元（约3032元人民币）的订阅方案。对于大多数家庭来说，花这么多钱只为了“不用叠衣服”显然不划算。
因此，厂商们正在让机器人学会更多技能。Sunday的AI系统还在学习吸尘、整理玩具、拉拉链甚至制作咖啡；1X的NEO人形机器人则计划覆盖叠衣服、整理货架、收拾房间等多项家务。Ayanna Howard教授认为，只有当一台机器人能够承担足够多、足够实用的任务时，消费者才可能认真考虑为其支付高价。
从商业模式看，订阅制可能比一次性购买更具吸引力。每月449美元的价格虽然不低，但相比全职家政服务仍然便宜，而且能持续提供软件更新和新功能。随着最新科技的迭代，机器人的能力会像智能手机一样不断升级，用户粘性也会随之增强。一些企业已经开始探索与家电品牌合作，将叠衣模块嵌入洗衣机或烘干机，进一步降低硬件成本。
家庭场景的隐藏价值：真实世界的数据金矿
叠衣服的意义远不止于家务本身。当机器人进入真实家庭，它产生的数据将成为未来通用人工智能最重要的燃料之一。实验室里永远无法模拟出“孩子把袜子扔进洗衣机”“宠物咬住一只袖子”这样的极端情况，而真实家庭每天都在产生这些“边缘案例”。
这些数据可以用来训练机器人理解更复杂的场景：比如识别不同材质的衣物（丝绸、牛仔、羊毛）、适应不同的环境光线（白天、夜晚、逆光）、处理突发干扰（手机铃声、门铃）。密歇根大学机器人学教授Jason Corso认为，真正能够理解环境、适应用户需求的通用家用机器人仍需要多年时间，但叠衣服这样的“窄场景”正在为AI积累最关键的物理交互数据。
值得注意的是，数据收集过程中也涉及隐私问题。佩戴传感器手套或屋内摄像头会采集大量家庭影像，如何保护用户隐私、如何确保数据安全，是行业必须回应的伦理挑战。抠图技术可以在图像处理时自动去除背景中的敏感信息，而AI工具导航上已有不少专注隐私保护的解决方案。
未来已来：叠衣机器人能否成为家庭新标配？
今年秋季，Sunday Robotics计划通过测试项目将机器人送入真实家庭，Weave Robotics和1X则预计在年底开始向客户交付。这意味着，叠衣机器人将首次从宣传视频走入普通人的客厅。
但大规模普及仍面临多重挑战。首先是可靠性：即便实验室成功率超过95%，在真实家庭中面对几十种不同的衣物和用户的使用习惯，任何一次失误都可能损害口碑。其次是生态：机器人需要与洗衣机、烘干机、衣柜等家居设备协同工作，这需要标准化的接口和协议。最后是用户心理：很多消费者对“机器人碰自己的衣服”仍有本能的不信任感，尤其是对昂贵衣物。
然而，人形机器人的快速发展正在改变这一局面。当机器人能够像人类一样用双手灵巧操作，叠衣服就不再是“噱头”，而是一个标志性能力的证明。家用机器人商业化的路径已经清晰：先攻克一个具有普适性、高感知度、低失败成本的任务，然后逐步扩展能力边界，最终成为家庭中的“数字管家”。
从更宏观的视角看，人工智能正在完成从“数字世界”到“物理世界”的跨越。叠衣服这件小事，恰恰是这场跨越中最具象征意义的一步。当机器人的手指能够温柔地抚平一件衬衫的褶皱，人类与机器共生的未来，或许就从这间洗衣房开始。