​东京大学团队的脑洞：让机器人学会精准梳头

你 一定 大概率梳过头发，但你想过这个动作有多复杂吗？（doge）

每根头发可能 方向各异、软硬不一 ，就连最简单的梳直这件事，也需要手腕的力度控制和方向把握。这些对人类来说再平常不过的小事,对机器人来说并不容易。

不过最近, 日本东京大学JSK实验室 的研究团队找到了突破口——他们开发出一套 基于AI的美发机器人系统 ，在精准控制和还原发型方面取得了较为显著的进步。

▍ 机器人如何掌握梳头密码？发根是关键

这套系统最大的亮点在于创新性提出了 "发根中心路径规划" 的概念。和传统方法不同，它首先会识别每根头发的发根位置，然后基于目标发型图片，为每根头发规划出一条最优的梳理路径。

系统的工作流程非常容易理解：首先 通过图像对比当前发型和目标发型的差异，生成一张发丝方向差异热力图； 接着 锁定需要调整的头发，并为每根头发规划出从发根到发梢的精确梳理轨迹； 最后 将这些二维轨迹转化为机器人可执行的三维动作路径。

在 目标发型比对阶段 ，系统使用MediaPipe进行面部对齐，确保目标发型图片能够准确映射到当前头型上。随后，通过形态学腐蚀处理（使用大小为15的结构元素）对头发区域进行精细化处理，有效降低了边缘噪声的影响。

研究团队借助 深度学习技术HairStep 来提取头发走向，确保系统能精准捕捉到每根头发的朝向。这种基于发根的路径规划方式，让机器人能更好地控制头发，实现更精准的造型效果。

在发根中心梳理路径的生成机制中，系统会首先提取需要调整的头发，确定其发根位置。随后，使用 DBSCAN聚类算法 ，根据空间位置和方向特征，将目标发型中的头发分成不同簇。通过选择最大簇的平均方向作为参考，系统能够生成最优的梳理路径。

▍真实战力测试：新系统梳头整体性能提升

为了验证系统的实际效果，研究团队 用myCobot 280 M5机器人搭配软毛梳进行了大量测试 。实验对象是一个装配了硬质假发的人体模型头。

为确保实验的科学性，每次测试前都会对假发喷水处理，并从上至下统一梳理，建立稳定的初始状态。

实验结果如下：

新开发的AI美发机器人系统在 发型还原测试 中表现出色，其方向差异均值仅为0.4877弧度，且标准差较小（0.1101弧度），说明 系统性能稳定 。相比之下，传统随机采样方法的方向差异均值较大（0.7255弧度），且标准差也稍高（0.1336弧度）。因此， 新系统在整体性能上提升了32.8%，能够更精准地还原目标发型。

更值得关注的是 系统的收敛性能 。通过迭代曲线可以清晰看到，基于发根中心路径规划的新方法能够快速稳定地向目标发型靠拢，而传统随机方法则表现出明显的波动性。

该系统最引人注目的是其 实际应用能力 。研究团队成功展示了系统在多种发型上的适应性，包括自然垂落、5:5分线和7:3分线等不同造型。尤其在 5:5分线发型的还原测试 中，系统展现出更好的表现力。

通过热力图可视化结果显示，最终造型与目标发型的方向差异主要集中在蓝色区域，这意味着 绝大部分区域都达到了极高的还原度 。系统不仅 能准确识别发型特征，还能精准执行梳理动作 ，真正实现了"看图造型"。

值得一提的是，系统采用了 基于RANSAC算法的姿态计算方法 ，能够准确估算机器人末端执行器的Z轴方向。这种精确的空间定位能力，让机器人 能更好地适应头部的曲面结构，确保梳理动作的精准性。

▍机器人美发师的进化之路还差哪几步？

虽然取得了突破性进展，但研究团队也坦承系统仍存在一些待优化的空间。比如，目前的刷子力度控制还相对简单，未来可以 引入实时反馈机制 ，根据头发的响应动态调整刷子力度和方向。

此外，系统在处理后梳等不在单一视角可见的发型时还存在局限。这提示未来 需要开发更复杂的3D几何结构感知能力 ，让系统能更全面地理解和处理各种复杂发型。

研究团队还提到，仅靠梳理这一动作难以实现某些复杂造型。未来可能需要 集成喷水、定型等辅助工具 ，进一步拓展系统的造型能力范围。

或许随着技术的不断完善，未来 "机器人美发师" 会成为现实，为我们的美容美发体验带来改变。

团队表示，下一步他们将着重 解决实时反馈、3D路径规划等关键技术难点， 进一步提升系统的实用性和适应 性。这项突破性的研究成果已经发表在arXiv预印本平台上，引发了学术界的关注。

此外，看似简单的梳头动作， 折射出机器人柔性操作领域的诸多技术挑战 。这个研究不仅提供了一种新的思路，也为工业机器人处理柔性物体提供了可借鉴的技术范式。未来，随着传感器、算法和控制技术的进步，这套方案或许会在更多领域有所突破。

论文链接：

https://arxiv.org/abs/2501.10991