革新紡織品操作：高品質資料集助力機器人技術突破

在當今的工業與家庭環境中，紡織品的操作仍高度依賴人力，從衣物、床單到毛巾等各式布料物品的處理，皆是如此。然而，現有的機器人系統在處理不同型別的紡織品時，往往面臨極大的挑戰，主要原因在於難以預測這些物品在抓取與操作過程中的變形情況。

為解決這一難題，來自Institut de Robòtica i Informàtica Industrial (CSIC-UPC) 和 Universitat Politècnica de Catalunya 的研究團隊，開發了一個全新的資料集，旨在訓練機器人演算法，以更精準地預測布料的變形，並制定有效的操作策略。這項研究成果已發表於《國際機器人研究期刊》，並利用動作捕捉（MoCap）系統收集資料，追蹤不同紡織品上的紅外游標記。

「機器人自動操作布料具有深遠的社會與產業影響力，」該論文的第一作者 Franco Coltraro 向 Tech Xplore 表示。「目前，無論是家庭還是商業環境，布料的處理幾乎都依賴人力。例如商店中的摺疊衣物、飯店中的鋪床，以及網購退貨的處理，皆由人工完成。原因很簡單：自動操作布料極為困難，因為布料變形自由度高，容易與自身碰撞，並與空氣產生複雜的互動。因此，要實現自動化操作，必須解決大量的數學與工程問題。」

近年來，部分研究人員嘗試利用人工智慧（AI）來克服機器人操作布料的挑戰。然而，大多數基於AI與機器學習的模型，需要大量資料進行訓練。收集不同紡織品變形的資料不僅耗時，成本也相當高昂。因此，許多機器人專家轉而使用布料模擬器，這些系統旨在模擬不同材質的布料行為。

「市面上有許多布料模擬器，大多來自電玩與動畫產業，」Coltraro 解釋道。「我個人也開發過一個。問題在於，這些模擬器並非為機器人技術設計，而是用於電影與遊戲，因此多數缺乏真實性。即便是較為真實的模擬器（例如我開發的），也需要調整引數以符合實際布料的特性。」

Coltraro 與其團隊的研究目標，正是建立一個高品質的資料集，以提升布料模擬器生成的資料質量。他們利用MoCap系統收集了120段錄影，記錄了各種紡織品的運動軌跡。「這些錄影資料可用於調整模擬器的引數，」Coltraro 表示。「經過調整的模擬器能夠以低成本生成大量資料，進而訓練AI模型。我們希望這些AI演算法未來能解決機器人操作布料的難題。」

研究團隊使用的MoCap系統依賴於極輕（重量小於0.013克）的紅外光反射標記。這些標記被放置在不同尺寸與材質的布料上，以追蹤其變形過程，同時不影響其運動。「我們使用多臺攝影機追蹤這些反射標記，從而精確定位它們在空間中的位置，」Coltraro 補充道。「相較於其他方法（如深度攝影機），MoCap的優勢在於錄影過程極為流暢（幾乎無噪音），且能記錄多樣化的動作，因為攝影機可以環繞場景，減少布料自我遮擋的情況。」

研究團隊記錄了兩種尺寸、四種材質（棉、牛仔布、羊毛與聚酯纖維）的布料，並以不同速度操作，展示其在不同處理方式下的變形情況。在錄影過程中，布料被以多種方式操作，例如抖動、扭轉、摩擦、撞擊等，以模擬真實場景。

「這項研究最引人注目的發現之一，是即便使用相同的布料與動作，布料的運動仍存在顯著差異，」Coltraro 指出。「我們以DIN A3尺寸的聚酯纖維樣本進行多次相同動作測試，結果發現，即便機器人執行的軌跡完全相同，布料的最終狀態仍存在些許差異。這可能與混沌理論有關，也為布料操作增添了另一層挑戰。」

Coltraro 與其團隊建立的資料集，未來將用於調整布料模擬器，提升模擬的真實性。這將有助於生成包含真實布料變形與運動的模擬資料，進一步訓練AI模型，推動機器人布料操作的技術發展。「在未來的研究中，我計劃使用自製的不可伸展布料模擬器，開發機器人操作布料的演算法，」Coltraro 表示。「我將利用這篇論文中的資料調整模擬器，使其更貼近真實布料的行為，並開發操作演算法。目前我正在研究紡織品的空氣動力學模型，以及數學上探討布料可能的變形狀態與其應對方式。」