Evaluating the Pre-Dressing Step: Unfolding Medical Garments Via Imitation Learning

📄 arXiv: 2507.18436v1 📥 PDF

作者: David Blanco-Mulero, Júlia Borràs, Carme Torras

分类: cs.RO

发布日期: 2025-07-24

备注: 6 pages, 4 figures, 2 tables. Accepted to IEEE/RSJ IROS 2025. Project website: https://sites.google.com/view/pre-dressing

DOI: 10.1109/IROS60139.2025.11247713

💡 一句话要点

提出基于模仿学习的医疗服装展开方法，解决机器人辅助穿衣中的预处理难题

🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱二：RL算法与架构 (RL & Architecture)

关键词: 机器人辅助穿衣 模仿学习 服装展开 医疗机器人 视觉分类 操作原语

📋 核心要点

  1. 现有机器人辅助穿衣研究通常假设服装已展开，忽略了医疗场景下服装折叠存储的普遍情况。
  2. 论文提出“预穿衣步骤”，利用模仿学习训练机器人展开服装，并结合视觉分类器判断服装状态。
  3. 实验表明，高动态运动不适用于新拆封服装，组合运动能有效提升展开效果，验证了方法的有效性。

📝 摘要（中文）

机器人辅助穿衣具有帮助患者和医护人员的潜力，可以减轻临床环境中的工作量并提高效率。虽然在机器人辅助穿衣方面已经取得了显著进展，但先前的工作通常假设服装已经展开并准备好使用。然而，在医疗应用中，手术服和围裙通常以折叠状态存储，需要额外的展开步骤。本文介绍了预穿衣步骤，即在辅助穿衣之前展开服装的过程。我们利用模仿学习来学习三种操作原语，包括高加速度和低加速度运动。此外，我们采用视觉分类器将服装状态分类为闭合、部分打开和完全打开。我们对学习到的操作原语及其组合进行了实证评估。我们的结果表明，高动态运动对于展开新拆封的服装效果不佳，而运动的组合可以有效地增强打开配置。

🔬 方法详解

问题定义：论文旨在解决机器人辅助穿衣流程中，服装预展开的问题。现有方法通常假设服装已经展开，但在实际医疗环境中，手术服等服装通常是折叠存放的。因此，如何让机器人自动完成服装的展开，是实现完整机器人辅助穿衣流程的关键一步。

核心思路：论文的核心思路是利用模仿学习，让机器人学习人类展开服装的动作。通过示教机器人不同的操作原语，并结合视觉反馈，使其能够根据服装的当前状态选择合适的动作，最终完成服装的展开。

技术框架：整体框架包含以下几个主要模块：1) 数据采集：通过人工示教，记录机器人展开服装的动作轨迹。2) 模仿学习：利用采集到的数据，训练机器人学习三种操作原语（具体原语类型未知）。3) 视觉分类器：训练一个视觉分类器，用于判断服装的状态，包括闭合、部分打开和完全打开三种状态。4) 动作规划：根据视觉分类器的结果，选择合适的操作原语，并控制机器人执行。

关键创新：论文的关键创新在于将模仿学习应用于服装展开这一特定任务，并结合视觉反馈进行动作规划。与传统的基于规则或模型的服装展开方法相比，模仿学习能够更好地适应服装的复杂性和多样性。

关键设计：论文中关于模仿学习的具体算法、视觉分类器的网络结构、以及动作规划的具体策略等技术细节未知。但是，论文强调了高加速度和低加速度运动的结合使用，以及视觉分类器在动作选择中的作用。具体的损失函数和参数设置也未知。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，高动态运动对于展开新拆封的服装效果不佳，而组合不同的操作原语可以有效地增强服装的打开程度。虽然论文中没有给出具体的性能数据和对比基线，但实验结果验证了模仿学习方法在服装展开任务中的有效性，并为未来的研究提供了方向。

🎯 应用场景

该研究成果可应用于医疗机器人领域，例如辅助患者或医护人员穿戴手术服、防护服等。通过自动化服装展开过程，可以减轻医护人员的工作负担，提高工作效率，并降低交叉感染的风险。此外，该技术也可扩展到其他需要服装预处理的场景，如洗衣房、服装制造等。

📄 摘要（原文）

Robotic-assisted dressing has the potential to significantly aid both patients as well as healthcare personnel, reducing the workload and improving the efficiency in clinical settings. While substantial progress has been made in robotic dressing assistance, prior works typically assume that garments are already unfolded and ready for use. However, in medical applications gowns and aprons are often stored in a folded configuration, requiring an additional unfolding step. In this paper, we introduce the pre-dressing step, the process of unfolding garments prior to assisted dressing. We leverage imitation learning for learning three manipulation primitives, including both high and low acceleration motions. In addition, we employ a visual classifier to categorise the garment state as closed, partly opened, and fully opened. We conduct an empirical evaluation of the learned manipulation primitives as well as their combinations. Our results show that highly dynamic motions are not effective for unfolding freshly unpacked garments, where the combination of motions can efficiently enhance the opening configuration.