RotateIt! Fast and Reliable Single-Arm Garment Unfolding via Online-Adaptive Dynamic Rotation
作者: Zeqing Zhang, Zuokun Xie, Ao Fang, Bin Dai, Zhengjie Shu, Yifeng Tang, Ziwei Wang
分类: cs.RO
发布日期: 2026-09-17
💡 一句话要点
提出RotateIt!以解决单臂机器人服装展开问题
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 单臂机器人 服装展开 动态旋转 自适应控制 机器人技术 自动化
📋 核心要点
- 现有的准静态服装展开方法效率低下，需要多次重复操作，且动态方法多依赖于双手操作，限制了单臂机器人的应用。
- RotateIt!提出了一种基于自适应轴向旋转的单臂服装展开框架，通过选择有效的抓取方式和旋转锚点来实现动态展开。
- 实验结果表明，RotateIt!在三次尝试内的成功率比准静态方法提高了44.0-61.0个百分点，且在真实世界中的零-shot转移成功率达到75.6%。
📝 摘要（中文）
机器人服装展开对于后续任务至关重要，但现有的准静态方法需要重复操作，而现有的动态方法主要依赖双手操作。我们提出了RotateIt!，这是一个使用自适应轴向旋转进行动态服装展开的单臂框架。据我们所知，这是第一个将动态轴向旋转作为主要操作原语的展开框架。机器人从随机初始化的桌面配置中选择有效的抓取方式，并围绕近似固定的锚点旋转提起的服装，产生惯性张力以分离重叠层。在模拟和真实服装的实验中，RotateIt!在三次尝试内的成功率提高了44.0-61.0个百分点。经过模拟训练的策略在真实世界中实现了75.6%的成功率，首次尝试覆盖率提高了41%，最终覆盖率提高了26%。
🔬 方法详解
问题定义：论文要解决的是单臂机器人在服装展开任务中的效率问题。现有方法多依赖于重复的准静态操作或双手动态操作，导致效率低下和灵活性不足。
核心思路：论文提出的RotateIt!框架通过自适应轴向旋转来实现动态服装展开，利用惯性张力分离重叠层，从而提高展开效率和成功率。
技术框架：RotateIt!的整体架构包括抓取选择模块、旋转执行模块和在线适应策略模块。抓取选择模块负责选择有效的抓取方式，旋转执行模块负责围绕锚点旋转，在线适应策略模块则根据实时反馈调整旋转幅度和速度。
关键创新：RotateIt!的主要创新在于首次将动态轴向旋转作为服装展开的主要操作原语，与现有方法相比，显著提高了单臂机器人的操作灵活性和效率。
关键设计：在设计中，抓取排名器用于选择锚点，在线残余策略根据实时反馈调整旋转的幅度和速度，确保最佳的释放时机。
🖼️ 关键图片
📊 实验亮点
实验结果显示，RotateIt!在三次尝试内的成功率比准静态方法提高了44.0-61.0个百分点，且在真实世界中的零-shot转移成功率达到75.6%，首次尝试覆盖率提高了41%，最终覆盖率提高了26%。
🎯 应用场景
该研究的潜在应用领域包括智能家居、服装自动化处理和机器人助理等。通过提高单臂机器人的服装展开能力，RotateIt!能够在家庭和工业环境中实现更高效的自动化操作，减少人工干预，提升生活质量。
📄 摘要（原文）
Robotic garment unfolding is essential for downstream tasks, yet quasi-static methods require repeated actions, while existing dynamic approaches predominantly rely on bimanual flinging. We present RotateIt!, a single-arm framework that uses adaptive axial rotation for dynamic garment unfolding. To the best of our knowledge, it is the first unfolding framework to employ dynamic axial rotation as its primary manipulation primitive. From a randomly initialized tabletop configuration, the robot selects a rotation-effective grasp and rotates the lifted garment about an approximately fixed anchor, generating inertial tension that separates overlapping layers within a compact workspace. A grasp ranker selects the anchor, while an online residual policy adapts the rotation extent and speed, thereby determining the release timing. Across seen and unseen simulated garments and eight unseen real garments, RotateIt! improves success within three attempts by 44.0-61.0 percentage points over quasi-static pick-and-place. The simulation-trained policies transfer zero-shot to the real world, achieving 75.6% success, 41% higher first-attempt coverage, and 26% higher final coverage. The resulting states further enable autonomous robotic folding without manual rearrangement.