叠衣服机器人又来啦！这次我们的机器人团队打造了一套完整方法，让机器人学会从一团乱的T 恤开始整理并折叠，成功率高达 90%！而且最关键的是：所有细节全部公开，人人都能复现
这不是普通 demo，而是一份“机器人训练说明书”
✨ 硬件怎么选？
没有用昂贵人形机器人，而是开源双臂 OpenArm + 自研低成本遥操作设备（约 120 欧元）。
结果发现：便宜方案更灵活、更好用！
✨ 感知有多复杂？
答案是：很简单！只用 3 个 RGB 摄像头 + 关节数据，没有力传感器、深度相机，也能完成精细操作。
✨ 最大难点：数据！
整个项目最耗时的不是训练，而是数据采集：
- 8 套设备同时跑
- 131 小时人类示范
- 5688 条轨迹
关键点 👉 数据质量远比数量重要！
用 1200 条高质量数据微调后，成功率直接从 40% 飙升到 90% ！
✨ 模型怎么做？
使用 Vision-Language-Action（视觉 + 语言 + 动作）模型：
输入图像 + 状态 + 指令（比如“fold the t-shirt”），直接输出机器人动作，实现端到端学习。
✨ 三个关键技术亮点：
1️⃣ SARM：自动判断“任务进度”，帮你筛选好数据
2️⃣ RABC：让模型更关注“有效动作”，忽略低质量操作
3️⃣ RTC：边执行边预测，动作更流畅不卡顿
✨ 人类辅助学习（DAgger）
机器人失败时，人类接管纠正，把“错误场景”变成新训练数据，让模型越学越强。
✨ 最终效果：
- 平铺衣服折叠：100% 成功
- 乱衣整理 + 折叠：80%
- 总体成功率：90%
✨ 最重要的结论：
- 瓶颈不是模型，而是数据
- 高质量 + 一致性数据 = 决定性优势
- 开源工具已经足够支撑真实机器人系统
🤗 Hugging Face Hub 的 LeRobot 页面可查看完整项目
