跑马会「软性质料运用呆板人」创科试验室总监小菅一弘：怎样借助 AI 呆板人厘革服装出产流程？｜GAIR 2025 导语：服装行业80% 的出产时间与成本华侈于“物料处置惩罚”上，特别于“缝制前的预备”中，67% 的人工被用在收拾布料、对于齐、折叠等。

12月12日，第八届 GAIR 全世界人工智能与呆板人年夜会在深圳正式拉开帷幕。

本次年夜会为期两天，由GAIR研究院与雷峰网(公家号：雷峰网)结合主理，大作院士任引导委员会主席，杨强院士与朱晓蕊传授任年夜会主席。

作为 AI 产学研投界标杆嘉会，GAIR自2016年开办以来，始终苦守 “传承+立异” 内核，是 AI 学界思惟接力的阵地、技能交流的平台，更是中国 AI 四十年成长的精力家园。已往四年年夜模子驱动 AI 财产加快厘革，岁末年头 GAIR 践约所致，以高质量不雅点碰撞，为行业与公共出现AI时代的前沿洞见。

本次峰会之上，跑马会「软性质料运用呆板人」创科试验室总监、日本工程院院士小菅一弘为预会者们带来了一场出色纷呈的陈诉。

他展现了服装制造业正于面对一个惊人抵牾：万亿美元级另外巨年夜市场，但主动化水平极低。六年前中国工业呆板人用了 11700 台，可服装行业才用 157 台，这个行业的主动化，此刻才真正最先。

而究其缘故原由，是处置惩罚柔性、易变形质料是世界性难题。传统主动化依靠“刚性”夹具，没法顺应服装款式的快速变化，致使主动化体系通用性差、成本高。

小菅一弘也提出了破局思绪，他们团队开发了一系列技能产物，让呆板能像纯熟工人同样感知、顺应、抓取、裁剪柔软布料。

于贸易化上，他们选定了“汽车座椅”这一场景。到 2028 年，汽车产物工业缝纫装备市场范围估计到达 36.3 亿美元，虽然相较在重大的服装市场，这可能不算最年夜，但其产物附加值更高，市场价值很是可不雅，尤其是欧洲市场，由于其人力成本昂扬，这使患上主动化成了维持本地制造业竞争力的火急需求。

如下是小菅一弘演讲的出色内容，雷峰网作了不转变原意的收拾与编纂：

很是感激主持人的先容。

谢您的先容及约请。我担当日本呆板人体系公司的总监，卖力软质料呆板。我来自中国香港年夜学。今天受邀来到这里，上一次来是六年前的事。2019 年我曾经先容过一个我介入的研究标的目的，是以此次也但愿延续其时的话题。起首，我想扼要地给你展示一些有趣的视频，这是我的出发点。

这是我的团队中一个可用的呆板人，它在2005年降生。这现实上是一个舞会呆板人。她会预计男性舞者，以此来与他共舞。这是一个很是差别的故事。

但这是咱们好久之前开发的。于工业出产中，咱们曾经开发过一个体系叫做——PaDY，今朝这个运用已经经于日本、巴西等多个工场中利用。

2021 年，我插手中国香港年夜学，最先于“软性质料呆板人”相干范畴举行研究。咱们亦于中国香港立异科技署（ITC）资助的厘革性服装出产中央，启动了服装出产相干研究，今天的内容也重要来自这项研究。

为何要做这个研究？AI 于服装范畴的需求是甚么？

列位都是做 AI 的，会感觉 AI 可以或许解决许多问题。简直，于人工智能技能，尤其是呆板人技能范畴，咱们确凿实现了很多制造历程的主动化。但许多人传播鼓吹咱们已经经能彻底弄定这一切，这并不是事实。

现实上，制造业涵盖的种类繁多的工艺。当你试图用呆板人实现主动化时，此中一个技能挑战于在怎样处置惩罚那些于软件中难以被精准界说的‘对于象’。今朝，年夜量触及柔性质料的繁杂工艺流程，仍旧重要依赖技能娴熟的工人来完成，或者者说很难被主动化。

我举个例子，你们可能不太相识，好比于制鞋业中就有一个典型环境：需要将慎密的纤维质料放入模具中，并与作为内衬的皮革一路举行切割及加工。只管有一些公司正于测验考试使用呆板人技能及模拟人类手部动作的‘仿生技能’来解决这种问题，也取患了一些进展，但这个难题至今仍未获得彻底解决。

回归服装自己，各人可能不清晰它的范围，到2030 年全世界服装行业全世界营收范围预估可以到达 2.3 万亿美元。可是2019 年全世界呆板人利用量排行前五是：中国、日本、美国、韩国、德国。但服装行业引入的工业呆板人数目少少，中国仅157台，而总体有约莫11万台工业呆板人装备被引入相干财产，形成光鲜反差。

服装制造为何难？哪里最耗时？研究显示：80% 的出产时间与成本华侈于“物料处置惩罚”上（如搬、抓、铺、定位）特别于“缝制前的预备”中，67% 的人工被用在收拾布料、对于齐、折叠等。

诚然，从汗青上看，已经有不少研究者及企业针对于柔性质料（如纺织品）的热成型轮廓与遗传算法优化睁开过摸索。他们年夜量始在上世纪八九十年月，但厥后许多项目中止了。

如今于工业出产中，很多工序（例如切割、折叠、缝合、口袋定位、缝纫、面线、熨烫等）仍严峻依靠人工。只管某些环节已经经实现了必然水平的主动化，例如于多层织物切割中引入计较机数控机床，可以实现近乎全主动的操作，但于更多需要处置惩罚柔性、易变形质料的环节中，人类操作员仍是不成或者缺的。

以当前的缝纫环节为例：市道上的半主动缝纫机于处置惩罚很是柔软的面料时，仍需工人共同利用夹具或者模板到临时固定质料，使之于局部区域变患上“刚性”，才能被呆板不变操作。这象征着，一旦口袋的外形、尺寸或者位置发生变化，整个夹具以致体系都需要从头设计与调解，限定了主动化的通用性与相应速率。

是以，咱们说，于年夜范围出产中运用的主动化体系往往是“固化”的——它们将某些工艺流程慎密耦合，合用在无需频仍改换的设计，对于操作职员的技能要求较低。而“半主动体系”则需要按照差别的产物设计及规格举行专门的体系配置与调试，没法像一套通用东西那样适配所有需求。为此，于咱们的研究项目中，咱们出力开发了几项要害的手部操作技能。

此中一种是针对于多层裁剪后织物部件的分散与抓取问题。

凡是，多层裁片会粘连于一路，而一件衣服的组装需要一一拾取单层裁片。为解决这一问题，咱们设计了一种基在被动和婉机构的抓取器，它经由过程外壳与内置手指间的相对于运动孕育发生自顺应抓取动作，可不变拾取单层面料，并可集成在机械臂结尾利用。

另外一项技能是针对于于压力机或者近似平台长进行的拾取操作。于这类环境下，咱们采用两个机械臂举行协同功课。因为难以于空中切确定位及抓取方针物件，咱们引入了传感器来及时监测物体的状况。这套体系重要依赖吸力抓取，这类方式于某些环境下很是简朴有用。当多个方针物贴合于一路时，体系需要可以或许乐成地将它们一一分散并拾取。

为实现自顺应操作，体系需能及时检测妨碍（如抓取掉败）并和时解除问题。于年夜大都现实出产中，处置惩罚怪异或者非标工件时，凡是仍需要人工参与。为此，咱们集成为了基在人工智能的视觉检测技能，它能以每一秒约120帧的速率举行监控及阐发。这项技能既可以用在后端质检，也能够前置运用在及时历程节制。

据我所知，行业内约60%的主动化资源都专注在缝纫环节。是以，咱们也高度器重缝纫工序的主动化，并开发了一项技能，专注在革新通用的工业缝纫机。于缝纫中，凡是很轻易实现主动化，例如经由过程送布牙或者滚轮机构动员布料于针周围挪动。然而，真实的挑战于在怎样切确节制机针自己的运动轨迹——不仅需要定位，更需要节制针的穿刺路径及姿态。这是一个典型的运动节制问题，它素质上属在一种非线性的节制历程。我的学生已经乐成为此设计了专用的节制器。

云云一来，机械手便能节制缝纫机头，使其根据计划的路径及扭转标的目的举行周详运动。只要运动充足光滑，理论上可以实现肆意繁杂的缝纫轨迹。咱们于设计中采用了于线收敛算法，可以及时调解。咱们界说了相干的节制参数与比率，并将多种计谋相联合，使患上总体举动看起来越发协和谐智能。我认为，这恰是具身智能的一种表现：呆板可以或许像纯熟工人同样，按照现实环境矫捷地解决问题。要害于在，它不仅能定位，更能计划及履行完备的动作序列。

以上即是基在纸张（或者柔性质料）的演示申明。经由过程这套体系，咱们可以对于其举行编程，让它展示怎样处置惩罚各类差别但布局相似的外形。

实现这一方针的要领是多样的，咱们正于摸索多种差别的技能路径。有另外一种实现全主动化的方案。经由过程利用 NEM 体系，呆板人可以按照预置的指令举行操作。起首，将第一块织物放置到位。于这个方案中，咱们只利用缝纫机头自己，然后经由过程对于缝纫历程的操控，使其可以或许基在预设的缝纫线迹举行事情，这此中会用到毗连机构。

借助 AI 视觉体系，咱们可以实现对于织物纹理的精准匹配对于齐。这是一种很是繁杂的纹理处置惩罚。

经由过程视觉体系，咱们可以将纹理对于齐，并能处置惩罚多种差别类型的面料。这就是咱们今朝能做到的。这项技能让一些原本不容易实现的操作成为可能。这是一个很是主要且精妙的设计，咱们正于用它来出产各类外形的产物，例如从S形到W形，甚至是3D外形。

咱们乐成开发了一些体系，可使两片差别裁片沿着各自的缝纫路径正确地联合到一路。咱们确信这是一项很是主要的技能，由于它无需任何分外编程。传感器已经集成于内，是以只需举行年夜量设置并启动，体系就能将面料缝合以创立特定外形。

还有有人会说“你不需要利用呆板人”。但咱们方才部署了呆板人来实现这个历程的彻底主动化。经由过程整合两台呆板人与这台缝纫机，缝纫、修剪线甲等工序患上以主动完成。这台呆板人的步伐是由不认识呆板人技能的职员编写的，是以运行时会有些抖动，但这仍旧是一个可行的方案。

因为我利用的是免费（或者开源）的仿真软件，以是整个历程耗时较长，但我感觉咱们整体上还有是加速了进度。

接下来是一个典范：处置惩罚T恤衫的肩部拼接。你需要将先后两片织物切确地对于齐叠合。经由过程应用 视觉伺服（Visual Servoing） 的观点，并联合与以前近似的链接技能，体系测验考试获取轮廓信息以实现对于齐。于此以后，它现实上就能“看到”并将这两部门正确地对于齐于一路了。

更进一步说，咱们所做的是基础研究。我与这家公司没有联系关系，但咱们发明了一个很是好的 YouTube 视频，此中展示他们需要处置惩罚一块内含一百个的织物。这象征着，要让织物运动，运动轨迹设计至关主要。而为了举行计划，咱们必需对于织物的动力学举动举行建模，这很是坚苦。为此，咱们利用了 Transformer 模子。咱们用 Transformer 举行了运动计划，对于织物的动态运动举行建模，并以此为基础天生动作。这是一个3D案例。

你可以看到呆板手的动作可以或许防止碰撞。这于很年夜水平上患上益在精准的掩模（Mask）处置惩罚。许多人都于从事相干范畴及绿色能源的研究，是以咱们也有一些可用在处置惩罚各类织物粗化（Roughing）的技能。要害于在，这不是处置惩罚可见的刚性物体。咱们利用另外一种架构来练习节制器，使患上统一个节制器可以用在处置惩罚多种差别的外形或者材质。

这颇有趣，但咱们还有没有找到太多的现实运用场景。是以，咱们正于努力寻觅运用冲破口。咱们发明，以前深圳一家公司的例子也许展示了怎样拣选一块印花布。咱们正试图将这项研究推向下一阶段，但要让它被业界接管及采取并不是易事。以是咱们的一名学生正于测验考试。你可使用某种特定的技能来实现这一点。我但愿咱们未来可以或许运用它。

正如我一直夸大的，这件事至关主要。咱们正于当真思量怎样将这套体系推向市场。今朝咱们选定了“汽车座椅”这一场景。

到 2028 年，全世界汽车座椅工业缝纫装备市场范围估计到达 36.3 亿美元，虽然相较在重大的运用市场，这可能不算最年夜，但其产物附加值更高，市场价值很是可不雅。咱们认为这是一个极具潜力的标的目的。有趣的是，最年夜的市场于欧洲，其次是中国、北美、东南亚及日本。欧洲市场之以是领先，是由于其人力成本昂扬，这使患上主动化成了维持本地制造业竞争力的火急需求。这为咱们创造了一个明确的转型窗口及市场切入点。紧随其后的是一个不变增加的、可不雅的进级发卖市场。这是末了的，也是连续的一部门。

及以前同样，咱们的方针持之以恒：将一个繁杂的工艺主题，改变为一个不变、靠得住的主动化流程。很是感激！这就是咱们团队的事情。我但愿有些人，以和我本人，将来都能有时机向各人先容，这套体系怎样可以或许真正帮忙到列位。很是感激各人的存眷！

雷峰网原创文章，未经授权禁止转载。详情见转载须知。