Современные роботы по-прежнему испытывают трудности с одной из самых обычных бытовых задач — складыванием одежды. Главная проблема связана не столько с самой тканью, сколько с огромным количеством форм, которые она принимает после сминания. Об этом пишет Smithsonian Magazine.
Люди быстро определяют, где у смятой футболки рукав или воротник, и интуитивно понимают, как поведет себя материал. Роботу приходится заново распознавать каждую форму, а обучающие наборы часто состоят из изображений одежды, разложенной на плоской поверхности.
Многие системы используют схему «подними и положи», при которой заранее определяются точка захвата, направление движения и место, куда нужно переместить ткань. Такой подход плохо реагирует на неожиданные складки, различия в массе или растяжимости материала.
Новый алгоритм AdaFold способен корректировать траекторию прямо во время складывания. В исследовании 2024 года обычный подход получил показатель IoU 0,41, тогда как AdaFold достиг 0,83. Идеальное совпадение сложенных половин ткани соответствует значению 1.
Разработчики также создают более подробные наборы данных. Один из них, ClothesNet, содержит 4 400 виртуальных предметов одежды с размеченными элементами, включая рукава и воротники. Исследователи рассчитывают, что такие данные и адаптивные алгоритмы помогут роботам лучше справляться с бытовыми задачами.