一批聚焦家用机器人领域的初创企业，正将“叠衣服”这一日常家务视为打开家庭市场的关键突破口。包括Figure AI、Sunday Robotics、Weave Robotics和1X在内的公司，通过累计数十亿美元的融资，试图证明机器人不仅能完成单一任务，更能成为家庭场景中的多功能助手。
衣物作为典型的“可变形物体”，其折叠过程对机器人的感知与操作能力提出极高要求。机器人需精准识别衣物状态，完成抓取、展开和折叠等复杂动作。Figure公司曾公开表示，这是人形机器人灵巧操作中最具挑战性的任务之一。与此同时，叠衣服的容错率相对较高——即使操作失误，衣物损坏的风险也较低，这使其成为测试机器人家庭适应能力的理想起点。
家庭环境对机器人而言充满挑战。哥伦比亚大学教授Matei Ciocarlie指出，家具布局、宠物活动甚至儿童行为都会增加机器人移动与操作的难度。通过限定叠衣服任务的空间范围，并由人类预先放置待处理衣物，企业有效降低了机器人自主导航的复杂度，为技术落地提供了可行路径。
尽管叠衣服机器人并非新概念，此前日本Laundroid和FoldiMate等项目均因成本过高或可靠性不足而失败。例如，Laundroid售价高达1.6万美元，最终于2019年破产。如今，随着AI技术突破、硬件成本下降以及行业人才涌入，新一代企业试图重新定义这一赛道。Weave Robotics的Isaac 1机器人已具备基础叠衣能力，但单件衣物处理仍需数分钟，且面对陌生衣物类型时表现不稳定。
多家企业计划将产品投入真实家庭测试。Sunday Robotics计划秋季启动测试项目，Weave Robotics和1X则预计年底前向客户交付机器人。然而，价格仍是主要障碍——Isaac 1售价8000美元，或采用每月449美元的订阅模式。专家认为，仅凭叠衣功能难以说服家庭用户为高价机器人买单，企业需拓展更多实用场景。
为提升产品吸引力，企业正为机器人加载多样化技能。Sunday的AI系统正在学习吸尘、整理玩具、拉拉链甚至制作咖啡；1X的NEO人形机器人则瞄准叠衣、整理货架和收拾房间等任务。斯佩尔曼学院院长Ayanna Howard强调，只有当机器人能承担足够多的日常事务时，消费者才会认真考虑购买。
家庭场景的另一重价值在于数据获取。与依赖互联网数据训练的大语言模型不同，机器人需要大量物理世界交互数据。Sunday通过售价约200美元的传感器手套采集人类操作数据，用于训练机器人模型。真实家庭环境中的数据能覆盖实验室难以模拟的极端情况，例如特殊材质衣物或非标准折叠方式，这为企业优化算法提供了宝贵资源。
尽管技术进步显著，但通用家用机器人的普及仍需时日。密歇根大学教授Jason Corso指出，当前机器人尚无法完全理解复杂环境并动态适应用户需求，这一目标的实现可能需要数年甚至更长时间。现阶段，企业更关注如何通过特定任务积累经验，逐步构建更强大的家庭服务生态系统。
