实验室在柔性物体操控方向取得新进展，相关成果“Learning Efficient Robotic Garment Manipulation with Standardization”被人工智能顶级会议International Conference on Machine Learning（ICML） 2025 接收。

ICML与NeurIPS、ICLR并称为最具影响力的机器学习三大顶会，每年举办一次。今年是ICML第42届会议，将于7月13-7月19日在温哥华会议中心开幕。本届会议共接收有效投稿12107篇，接收3260篇，录用率为26.9%。

本研究聚焦于衣物衣物易形变、自遮挡且具有复杂的动力学，给服装展开和折叠等操作带来关键挑战。为此，我们提出了 APS-Net 方法，首次将服装的展开与标准化统一，提升了展开效率，并显著简化了后续折叠等任务的复杂度。 APS-Net 结合双臂多策略操控，通过动态抛掷与精准摆放实现高效展开，同时引入奖励机制与优化模块，引导机器人完成标准化对齐。该方法在模拟和真实环境中均表现出优越性能，展示了其在实际应用中的广泛潜力。

论文信息：Zhou changshi, Feng Luan, Hujiarui, Shaoqiang Meng, Zhipeng Wang, Yanchao Dong, Yanmin Zhou, Bin He. Learning Efficient Robotic Garment Manipulation with Standardization. International Conference on Machine Learning.