采用机械设备自动化逐层抓取服装裁片堆垛一直是制约服装智能制造发展的痛点之一。本文综述分析了已有的研究成果,并将其归纳为物理吸附式抓取、介质粘合式抓取和机械夹持式抓取三类。通过综述分析,本文选定具有仿生抓取特点的软体手指作为实验对象。本研究的目的是探索利用软体手指进行服装裁片的逐层分离,并以此技术与服装模板等后续技术联合,提升从裁床批量裁剪到自动缝制环节的智能化水平。本研究开展了两项实验:单点抓取实验和多点协同抓取实验。前者主要是探索提高单个软体手指的抓取准确性,获得了裁片厚度变化率、软体手指下压力、摩擦因子和面料挺度系数等几项关键影响因素,通过数学分析,建立了单个软体手指的单点抓取模型;后者主要是探索软体手指对裁片形状的适用性,获得了抓取边距、面料方向、软体手指的开口距离等几项影响因素,通过物理与数学分析,建立了针对不同形状类别服装裁片的多个软体手指的多点布局模型。为了综合探索各抓取因素对抓取效果的影响,提出了抓取系数的概念,研究发现当抓取系数值变大时,需要配合较短的软体手指开口距离,裁片越容易被抓取。此外,在布局时,裁片夹角处必须放置软体手指,且软体手指使用的总个数需严格按照本文提出的布局公式计算,多于裁片夹角个数的软体手指需均匀的放置在裁片边缘处。验证实验显示,本文提出的抓取模型具有很好的适用性。其中单点抓取模型对软体手指抓取裁片的准确性的提高有很好的帮助,可以逐层分离服装裁片堆垛,不会产生一次性抓取多层的现象。多点布局模型可以覆盖不同形状裁片表面进行抓取,即对裁片的形状具有很好的适用性,可以对其实现平整地移动。且所使用软体手指个数恰当,在一定程度上可节约经济成本。本研究的价值在于,在应用技术层面:聚焦打通批量裁剪与自动化缝制环节,改变裁片分离运输环节目前必须依赖人工才能完成的现状;在理论层面:尝试探索构建纺织品材料性能参数与柔性机器人性能参数的对应关系,并将这一关系进行推广和升华,构建智能化生产所需的纺织品类柔性材料参数化模型与柔性机械手设计的参数模型的映射集;在创新方面:引入仿生学原理尝试解决服装生产中的精细化加工问题,将柔性机器人设计技术与服装智能生产相结合,有望为纺织品类柔性材料的智能生产探索出一条可行、可靠的新路线。