2019年GAIR大会，2010-2011 IEEE RAS主席Kazuhiro Kosuge作为机器人专场的首位演讲嘉宾，发表了题为 《Co-worker Robot PaDY》 的开场演讲，整场演讲紧扣工业协作机器人和AI技术融合的主题，分析了当前机器人领域面临的挑战，以及各行业对机器人的需求所带来的发展机遇。

自那以后，Kosuge教授一直沿着这一方向扩展，将协作机器人技术从刚性工业装配延伸至更具挑战性的柔性制造领域。在即将召开的GAIR 2025大会上，Kosuge教授将会带来他的最新研究成果：基于AI的智能缝纫系统。这一研究延续了其团队对物理人机交互（pHRI）的深刻理解，旨在解决全球服装制造业面临的劳动力短缺与自动化瓶颈问题。

Kosuge教授开发的缝纫机器人展现了多项突破性技术特点：首先，该系统采用无需夹具的3D缝纫技术，利用AI算法自动化缝制三维立体成衣部件，并能保持布料平顺不起皱；其次，通过创新的滚轮机构与激光光学传感器，机器人可实时检测织物边缘，精确控制缝制方向；第三，系统具备高度的可编程性与环境适应性，可快速切换生产不同款式、尺寸、面料的服装，无需大规模更换模具或夹具，特别适合小批量、多品种的柔性生产需求。最后，作为处理软材料的智能系统，其核心缝纫机构被封装在机器内部，外部协作通过符合ISO安全标准的工业机械臂完成，确保了人机共存的安全性。

在GAIR 2025大会开幕前夕，雷峰网在香港大学采访了Kosuge教授。这位IEEE RAS前主席在四年半前选择加入香港，正是看准了这里作为连接全球创新资源与全球制造生态的独特枢纽地位。从2019年那个提出“Co-worker Robot PaDY”构想的开场演讲至今，整整六年时间，他的团队终于将那场演讲中描绘的”无需夹具的柔性制造”愿景，变成了可以触摸、可以量化、可以商业化的技术实体。

01
从PaDY到智能缝纫：六年的技术深耕与场景聚焦

2019年的GAIR大会机器人专场上，Kosuge教授用一张深圳街头繁华景象与人口老龄化预测曲线的对比图，向全场揭示了那个时代最尖锐的矛盾：当劳动力短缺成为不可逆转的社会趋势，机器人究竟该如何从”冰冷的自动化设备”进化为”真正的协作伙伴”？

（Kosuge教授在GAIR 2019的演讲）

彼时，他的答案是PaDY，一个旨在通过AI技术融合实现人机协作的工业机器人框架。那场演讲的核心论断颇有见地：“机器人的价值不应局限于替代重复劳动，而应在个人赋能、社会价值、国际竞争力三个维度上重构制造业的未来。”

六年过去，这种”可编程性”与”环境适应性”理念，在Kosuge教授的最新研究中获得了具象化的形态。但这一次，他将技术瞄准的是服装制造这个被全球机器人学界公认为“软材料处理终极挑战”的领域。

“软材料之所以难，在于它的无限自由度。”Kosuge教授从一个袋子里拿出各类织物样本解释道，“一块布料理论上可以有无限种褶皱形态。传统自动化系统的致命缺陷在于，它们试图用刚性夹具去‘征服’这种自由度，结果反而被束缚了灵活性。”

这正是为什么全球缝纫自动化市场在2025年依然停留在个位数的自动化率的原因。Kosuge教授的团队在调研中发现，即便是德国、日本等国家的老牌工业缝纫设备巨头，其解决方案仍高度依赖模板编程——即便以附加价值较高的汽车座椅套为例，需要工程师花费数周时间调试轨迹，更换夹具成本居高不下。

而在“效率至上”的东莞代工厂，或许仅需数小时就能完成同款产品的首件打样。显然，这种“柔性差距”构成了巨大的商业悖论：越是追求个性化、小批量的高端市场，自动化的经济账越算不过来。

基于此，Kosuge教授将SewingDX项目的目标确定为：研发织物加工过程中免夹具（不使用模板）和培训（去技能化）的操作与缝纫的关键技术。

2022年，Kosuge教授在东京国际机器人展上偶然看到一家欧洲车企展示的“智能座舱”概念时，他意识到汽车座椅套可能是破解这个悖论的最佳切入点。“到2028年，全球汽车座椅市场规模将逼近30亿美元，仅配套缝纫设备就有3.63亿美元的市场空间。”

更重要的是，汽车座椅套具有三个独特属性：产量大、产品价值高、3D曲面复杂但不失规律性。这正好构成了Kosuge教授缝纫机器人技术商业化的关键。

02
实验室里的技术组合拳：从”无源抓取”到”3D感知闭环”

要理解Kosuge团队的缝纫机器人为何能在发布后迅速引起诸多供应商的关注，就必须深入了解其技术堆栈的每一层创新。在实验室的演示区，Kosuge首先展示了他们最引以为傲的新型抓取器——一个看似简单、被叫做“PAL Grip”的无源末端执行器，却蕴含着颠覆性的设计哲学。

“我们利用了指尖与织物表面、以及织物和织物之间的摩擦系数的差异性。当机器人将端部效应器PALGrip推到织物堆叠的顶层时，只有顶层织物被‘拾取’，而下层布料因为接触面积更大、摩擦力更强而保持原位。”这种无源设计带来了三重优势：抓取器成本显著降低、无需布线和控制信号、通过更换指尖模块可适配从棉到丝绸的数十种面料。

但抓取只是第一步，真正的挑战在于如何将两层不同的布料对齐（例如有内衬的缝纫场景）并消除褶皱。在另一个视频中，Kosuge展示了他们是如何做到的：一个集成了吸附装置、致动口和激光厚度传感器的“RollUP ”，从布料两端吸附并卷起布料送达指定位置，并将不同布料进行对齐。

凭借其内置的容错和恢复系统，激光传感器实时监测吸附织物的厚度。一旦检测到多层吸附，系统会立即启动重试过程：释放吸力、调整角度和重新吸附。“理论上，成功率接近100%，”Kosuge教授补充道。

所有这些前端技术的终极考验，都要通过那台看似普通却内藏乾坤的缝纫机来完成。Kosuge教授的团队花了整整两年时间，破解了缝纫机送料系统的核心控制难题。“普通缝纫机的送料是自动完成的，从控制理论角度看，这属于非完整过程——我们唯一能控制的只有旋转角度。”他解释道，“送料方向可以控制，但只能绕针旋转。”

他翻出2023年发表在《IEEE Transactions on Mechatronics》上的论文：“我们设计了专门的控制器来实现系统线性化，理论上保证了稳定性。即使初始位置存在误差，面料也能收敛到目标线条。” 这正是他们能够实现3D缝纫的底层技术——通过精确控制面料绕针的旋转运动，配合每秒120次实时检测的视觉系统，让缝纫机不再是机械执行固定程序的“笨机器”，而是能根据布料实际位置动态调整的智能系统。

这一理论突破使得3D缝纫成为可能。在另一个模拟汽车座椅头枕套缝制的演示中，缝纫机针头在曲面边缘以每秒20针（每分钟1200针）的速度穿行，而位于机头两侧的高速相机则以120次/秒的检测频率持续检测布料边缘。

“我们的视觉检测延迟只有8-10毫秒，完全跟得上高速缝纫的节奏。”Kosuge教授解释。更重要的是，即使初始放料有一定的偏差，系统也会在3-5针内自动收敛到目标轨迹。这彻底改变了缝纫自动化的工程逻辑——不再需要高精度的上料系统，而是依赖鲁棒的控制算法来包容误差。

03
缝纫机器人的市场攻坚战

在大阪举行的2024年日本国际服装和非服装制造技术贸易展上，Kosuge教授带着这套系统完成了首次公开演示。包括欧盟最大汽车座椅制造商在内的多家头部企业确实表达了浓厚兴趣——尽管传统巨头在投资决策上显得审慎，但技术展示已引发了包括欧洲头部车企及中日缝纫设备企业的密切关注与博弈。

企业在投资上保持审慎的核心逻辑简单而尖锐：如果这项技术真有颠覆性竞争力，为什么深耕行业数十年的其他公司没有率先实现？Kosuge教授在分析竞争格局时曾坦言，目前基于夹具的缝纫机器人解决方案已经主导了十多年的市场。作为既得利益方，其商业模式建立在模板与机器销售之上，收入与系统复杂度直接挂钩，这或许恰是对突破性技术持保留态度的根本原因。

更现实的挑战来自成本结构。当被问及系统最昂贵的组件时，Kosuge教授毫不讳言：“计算机系统是最贵的部分，这还不包括软件授权。”机械结构、传感系统和控制器也有着显著的成本。

然而，Kosuge教授坚持认为，系统的真正优势恰恰在于能够颠覆传统自动化设备的成本逻辑。他在访谈中反复强调两个关键词：“无需编程”与“价格可承受”——这意味着，操作工无需具备工程背景，就像使用智能手机一样拖拽图标即可完成设置；而通过模块化设计和供应链优化，系统总成本有望控制在传统方案的一半以下。正是这两个特性，为轻量化的商业模式铺平了道路。

更关键的突破可能在于商业模式的可扩展性设计。Kosuge教授在访谈中反复强调的系统特性——“无需编程即可操作”、“可与不同形态的机器人硬件适配”——实际上为“按需付费”的轻量化商业模式埋下了技术伏笔。

这种技术架构为更灵活的商业模式留出了空间，未来甚至有望采取“卖缝纫能力”而非“卖设备”的服务模式：工厂无需一次性投入巨额资金购买整套系统，而是根据实际缝制量支付服务费用。这种模式下，企业的决策成本将大幅降低，系统推广门槛也随之瓦解。

在Kosuge教授的构想中，缝纫机器人不是要取代缝纫工人，而是赋能工人——未来他们无需掌握复杂的缝纫技艺，只需完成上下料和质检，就能让机器24小时不间断生产。正如他在访谈中所说：“一个人能处理很多缝纫工序，我们的目标是赋能工人，而非减少工人。”

面对“是否可以在此基础上扩展出其他适合家庭场景的机器人”的提问，Kosuge教授给出了理性的否定答案。“工业场景和家庭场景的安全逻辑完全不同，”他解释道，“在工厂，用户可以假设操作者经过培训，知道如何避免危险；但在家庭，一个5岁孩子可能把手指伸进机器。”这种风险不对称性，使得家用机器人必须符合"本质安全"的最高等级——任何情况下都不能造成伤害，这会导致成本飙升，失去商业价值。

04
展望未来

尽管技术前景光明，Kosuge教授面临的挑战依然严峻。

首先是技术本身的极限。团队正在尝试用Transformer模型解决软面料的动态规划问题，但训练数据收集极其困难——每块布料的摩擦系数、弹性模量都不同，传统仿真无法复现真实世界的复杂性。

其次是资金和人才的博弈。Kosuge教授计划尽快完成融资，用于招募软件和机械工程师，并在1-2年内实现首批产品的产出。

最后是市场的接受度。2024年大阪演示后，虽然吸引了多家企业的关注，但截至采访时投资转化仍面临挑战。Kosuge教授对此保持着耐心："制造业的决策周期很长，但市场窗口不会无限等待。"

他展示的市场分析显示，欧盟国家最低工资水平持续攀升，斯洛文尼亚、罗马尼亚等传统低成本地区的劳动力成本也在快速增长。这种成本压力与汽车座椅市场2028年预计达到30亿美元的规模形成鲜明对比，构成了自动化缝纫系统商业化的关键推动力。

采访结束时，Kosuge教授坚持要带我们去另一栋楼看“完整系统演示”。穿过香港大学百周年校园的连廊，夕阳将我们的影子拉得很长，就像这四年多年漫长的研发之路。在实验室里，一台缝纫机正以每秒20针的速度缝制着汽车座椅套的样件，机器人手臂轻柔地翻转、对齐着3D曲面面料，整个过程只听见伺服电机的嗡鸣。当最终成品被递到我们手中时，其质量与技师手工缝制几无差别。

“2019年我说，机器人要让制造业更有'人性'，”Kosuge笑着告诉我们，“今天我想补充，这种人性体现在让工人从重复劳动中解放，去做更有创造性的工作；让企业从成本竞争中解脱，去追求更高质量的发展；让社会从人口焦虑中释怀，去拥抱技术赋能的未来。”

GAIR 2025的主论坛演讲台上，Kosuge教授将带着这台缝纫机器人，向全球展示IEEE RAS主席的六年之约。从PaDY到智能缝纫，从协作理念到商业实体，从香港实验室到世界工厂，这场关于柔软材料的硬科技攻坚，或许正是中国制造向智能制造跃迁的微观缩影。而在这场变革中，最难能可贵的，是一位顶尖学者在怀疑声中坚守的执念：真正的创新，不在于技术的复杂度，而在于是否让最普通的劳动者，也能分享技术进步的红利。

05
Q&A

雷峰网：您的项目名字（SewingDX）中的DX代表什么？
Kosuge教授(笑）：数字化转型(Digital Transformation)和灵巧转型(Dexterity Transformation)。不过名字只是一个代号，我已经找到了一个新名字。雷峰网：众所周知，织物质地柔软且易于形变，您的缝纫机器人在研发过程中遇到了哪些具体挑战？又是如何解决的？
Kosuge教授：这确实是一个非常关键的技术问题。正如我之前提到的，如果我们使用机械臂在缝纫针附近移动布料，会面临缝纫机压脚的干扰。因此，我们的解决方案是设计了一种特殊的机制。与普通机械臂简单的‘抓取’相比，这个机构与布料的接触面积要大得多。正如你在演示中看到的，它采用的是一种线接触（Line contact）的方式。这种设计的核心目的，是为了确保布料在绕着针进行旋转操作时，不会产生任何褶皱。这就是关键所在，也是我们能够成功解决软布料变形难题的原因。雷峰网：能更具体地说明这种机构的原理吗？
Kosuge教授：很多人质疑这个系统‘看起来不像机器人’。但为了进入大众市场，我们必须降低成本并保证高可靠性。因此，我们在核心的缝纫环节即绕针操作设计了一种特殊的、极简的‘机器人化机构’，而不是直接使用通用的昂贵机械臂。至于具体的机械原理……是的，正如你所说，现阶段这确实是我们的商业秘密。不过我可以透露一点：这种机构在针头附近通过一种特殊的接触方式工作，它能与缝纫机的送料动作完美配合。迟早我们会公开这项技术，但目前还不行。一旦我们现在公开所有细节，可能哪怕只有几周时间，这就可能被仿制了。雷峰网：2019年GAIR大会上您曾提出协作机器人（Co-worker Robot）愿景，当前这套缝纫系统如何实现与人的无缝协作？
Kosuge教授：在目前的这套缝纫系统中，核心的运动机构都被封装在机器内部，因此在缝纫过程中本质上是安全的。如果要实现更广泛的协作，比如在机器外部部署机械臂来进行布料的上下料操作，那么这部分就需要严格遵循ISO关于人机协作的安全规范。具体的协作方案取决于实际的应用场景——包括设备的安装位置、具体的使用流程等。基于这些现场信息，我们完全可以设计出符合规范、安全可靠的人机协作系统。雷峰网：这是否意味着系统可支持工业4.0强调的按需生产模式？
Kosuge教授：是的，这确实是我们的方向。因为这套系统的一大特点就是无需编程，这天然契合按需生产对于快速切换的需求。我们暂时假设缝合的两块布料边缘长度是相同的。但在实际生产中，不同长度的弹性布料缝合是很常见的。针对这个问题，我们正在开发新技术——我的一位学生的相关论文最近刚刚被接收，通过引入机械臂的动态控制来解决不等长布料的缝合问题。当然，如果要将这项新技术投入实际生产环境，我们还需要重新适配相应的安全系统。雷峰网：该缝纫机器人未来是否可能通过适当改造延伸至其他场景，例如家庭服务场景？
Kosuge教授：这是一个很好的问题。但在现阶段，我们完全没有考虑家庭场景，而是全神贯注于工业缝纫应用。你可能还记得，我最早开发的人机协作系统就是专门为工业环境设计的。其中的逻辑在于：在工厂内部，我们可以预设操作机器人的用户是经过专业训练的，具备规避风险的能力。然而，在家庭这种普通环境中，安全逻辑完全不同，我们必须考虑到所有潜在的风险（例如对未受训人员的伤害），这在技术和安全设计上的难度要大得多。目前的工业缝纫市场规模已经非常庞大，足以支撑我们的发展。当然，在未来当我们把工业市场做透之后，技术更加成熟，我们可能会逐渐探索延伸到其他领域，但这需要一个过程。雷峰网：在您的系统中，哪些组件对整体价格影响最大？
Kosuge教授：这是一个很好的问题。传感系统和控制器确实占据了相当一部分成本，机械机构本身也是如此。但如果通过比较来看，目前计算机系统或许才是整个系统中最昂贵的部分。雷峰网：您计划如何优化成本？
Kosuge教授：在机械结构的设计优化方面，因为我本人不是产品设计专家，我已经找到了一家拥有专业工程团队的公司。他们愿意基于我们的原始设计原型，对系统进行重新设计和产品化，以便后续生产。确实，我认为通过与香港以外的公司合作，我们能够实现目标。特别要指出的是，中国在制造方面具备极好的潜力，我们在那里肯定能找到合适的合作伙伴。但我目前还不想完全公开技术细节。我的顾虑是，如何保证我们的核心技术不被其他竞争对手仿制。雷峰网：机器人缝纫技术的普及将如何改变传统纺织产业？
Kosuge教授：首先要说明的是，目前我们主要聚焦于汽车座椅套等特定领域，而非泛指整个传统纺织业。这套系统带来的改变主要体现在两方面：第一，大幅降低了对工人技能的依赖，减少了培训时间；第二，提高了缝纫的精度和质量一致性。在引入这套系统后，工人只需要放置布料并按下启动键，然后就可以去照看其他机器。这意味着一个人可以同时管理多个缝纫工序。与其说是简单的替代，不如说是‘赋能’工人，极大地提升了单人产出效率。雷峰网：您如何规划多机器人协作缝纫的技术路线？
Kosuge教授：我们目前的系统本质上是一台‘简单但智能’的缝纫机。基于这个基础，未来我们可能并不需要堆砌大量的固定工业机械臂，而是引入具备双臂协调能力的移动机器人或者人形机器人。它们可以在不同工序间流转，处理多个阶段的任务。从技术上讲，用机器人完全替代人工操作员是可能的。但这属于未来的愿景，需要时间，我们目前的策略是一步一个脚印地去实现。视频观看地址：https://youtu.be/WGyR0EFYCBA