1)我们先接近布料，然后2)尝试掌握一些布料层数。通过触觉感应，我们可以判断我们是否掌握了正确的层数，然后根据需要重新调整布料。最后，我们按正确的层数掀起布料。

织物是已被证明对机器人交互最具挑战性的物体类型之一。造成这种情况的主要原因是，布料和其他织物可以以不同的方式拉伸，移动和折叠，这可能导致复杂的材料动力学和自闭塞。

卡内基梅隆大学机器人研究所的研究人员最近提出了一种新的计算技术，可以让机器人更好地理解和处理织物。该技术在将在智能机器人和系统国际会议上发表的论文集中介绍，并在arXiv上预先发表，它使用了基于触觉传感器和简单的机器学习算法（称为分类器）。

研究人员表示：“我们对织物操纵感兴趣，因为织物和可变形物体通常对机器人来说具有挑战性，因为它们的变形性意味着它们可以以许多不同的方式进行配置，当我们开始这个项目时，我们知道最近在机器人操纵织物方面有很多工作，但大部分工作都涉及操纵一块织物。我们的论文解决了相对较少探索的方向，即学习使用触觉传感操纵一堆织物”。

大多数在机器人中实现织物操纵的现有方法仅基于视觉传感器的使用，例如仅收集视觉数据的相机或成像器。虽然其中一些方法取得了良好的效果，但它们对视觉传感器的依赖可能会限制它们对涉及操纵一块布的简单任务的适用性。

另一方面，研究团队设计的新方法使用名为ReSkin的触觉传感器收集的数据，该传感器可以推断出与材料纹理及其与环境相互作用相关的信息。利用这些触觉数据，该团队训练了一个分类器来确定机器人抓取的织物层数。

该研究的触觉数据来自去年在CMU最近开发的ReSkin传感器，使用这种分类器来调整夹具的高度，以便从一堆织物中抓住一两个最顶层的织物层。

为了评估他们的技术，该团队在现实世界中进行了180次实验试验，使用由Franka机器人手臂，迷你Delta夹持器和Reskin传感器（集成在夹持器的“手指”上）组成的机器人系统，以抓住一堆或两块布。他们的方法取得了有希望的结果，优于不考虑触觉反馈的基线方法。

与以前仅使用相机的方法相比，这一基于触觉传感的方法不受织物图案，照明变化和其他视觉差异的影响，可以看到来自ReSkin传感器等电磁设备的触觉传感可以为细粒度的操作任务提供足够的信号，例如抓取一个或两个织物层。这将激发未来机器人操纵布料的触觉传感研究。

在未来，这种操纵方法可以帮助增强设计用于织物制造设施，洗衣服务或家庭的机器人的能力。具体来说，它可以提高这些机器人处理复杂纺织品，多块布料，洗衣房，毯子，衣服和其他基于织物的物体的能力。

研究团队的计划是继续探索使用触觉传感来抓取任意数量的织物层，而不是在这项工作中关注的一两层，此外，团队正在研究结合视觉和触觉传感的多模态方法，以便人类可以综合利用这两种传感器模式的优势。