大家好，我是北大图灵班大一本科生李铭乐洋，很高兴代表团队分享我们的最新探索成果 GarmentPile++。这项工作由北大长聘副教授&上纬启元首席科学家董豪 老师带领完成，刚刚被机器人领域顶会 ICRA 2026 接收。同时，在不久前《EAI-100 具身智能领域 2025 年度百项代表性成果与人物》中，该项研究获得 10 大 Demo 项目奖。 在现实环境中，衣物通常是杂乱堆放的，因此对衣物的智能检索成为必要。我们提出 GarmentPile++，相对前序工作 GarmentPile 更加高效，同时支持检 索特定语言指令对应的衣物，为下游单衣物操作贡献了良好的上游基础。 衣物操控是家庭服务机器人的⼀项关键能力。然而，现实环境中的衣物通常是以杂乱的堆叠形式存在的。由于衣物的高度柔性、状态空间近乎无限的特性以 及复杂的动力学属性，从杂乱堆叠中精准检索并抓取特定衣物成为⼀项有挑战的任务。 近期工作（如 GarmentPile）尝试解决这⼀问题。但现有的方法主要依赖单⼀的视觉可供性，缺乏对语言指令的理解能力，且⼤多局限于单臂操作，难以处 理大型或长条状衣物。针对上述痛点，我们提出了 GarmentPile++。这是 ...

本论文共同第一作者为王昱然、吴睿海、陈越，导师为北京大学董豪老师。课题组致力于统一的物体表征操作研究，以实现具有可解释性和泛化能力的物体操作 策略。 在机器人操作领域，柔性物体，尤其是衣物的操控始终是一个值得关注的难题。与刚体或铰接物体相比，衣服具有近乎无限的状态空间，以及复杂的动力学特 性，这使得现有方法在应对衣物操作时表现欠佳。 董豪课题组已在柔性物体操作领域进行了诸多探索，其中：（1）GarmentLab作为首个全面的衣物和柔体操作环境与基准平台，提供了关于柔体、流体、可变形物 体的各种仿真和针对二指夹抓取的大量操作任务；（2）GarmentPile重点关注堆叠柔性物体的相关操作，通过功能可供性（Affordance）使机器人能够针对不同堆 叠状态下的衣服泛化并高效完成调整和操作。 （3）泛化能力强的策略框架 HALO 提出分层策略 HALO（Hierarchical gArment-manipuLation pOlicy），结合功能可供性（affordance）与扩散方法（diffusion），自动生成可泛化的操作轨迹，在面对 形状与状态变化巨大的衣物时，表现出优于现有模仿学习方法的稳定泛化能力。 然 ...