行業首例｜墨甲機器人成功完成"自主開車門"操作
蕪湖2025年7月29日 /美通社/ -- 近日 AiMOGA墨甲機器人墨茵（Mornine）在真實4S店環境中成功完成"自主開車門"操作，成為業內首個實現此項復雜物理交互任務的具身智能機器人。這一突破不僅標志著具身智能從實驗室走向真實世界，更為服務型人形機器人的商業化部署奠定了關鍵技術基礎。
在機器人行業中，看似簡單的"開車門"動作，實則對機器人感知、規劃與控制能力提出了極高要求。墨甲團隊在不斷的工程試錯與算法迭代中，攻克了感知融合、全身控制、上下肢協同等多個技術難點，最終讓墨茵具備了在非結構化場景中，自主識別車門、調整站位、協調動作、拉開車門的能力。
墨茵自主打開車門
打破"預設指令"邊界，實現端到端閉環控制
傳統機器人執行任務常需依賴分步驟指令或遠程操控，而墨茵采用端到端閉環控制架構，實現了隱空間層面的"感知-規劃-執行"的流暢融合。以3D激光雷達、深度相機、廣角相機等多模態傳感器為基礎，輔以視覺基礎模型（Visual Foundation Model），構建起完整的環境與自身狀態感知模型，并借助Chery大模型進行語義理解與任務生成。
當面對不同車型門把手或突發阻力時，墨茵能實時調整路徑、姿態和發力方式。這種仿佛"本能反應(System 1)"的執行機制，使機器人真正具備了面對動態環境的即刻決策與動作調控能力。
強化學習賦能，自主識別"門把手"目標
此次"開車門"能力并非靠人工示教，而是通過數百萬次虛擬訓練迭代完成。在訓練中，機器人僅接收到"成功抓住門把手"這一獎勵信號，卻在反復試驗過程中自主聚焦了門把手區域。
"我們其實從未明確告訴機器人‘門把手'是什么，但它最終靠自己學會了抓住目標。"研發人員表示。這種能力，正是端到端強化學習在真實世界中的落地體現。
注意力熱力圖
強化學習訓練后模型自發聚焦門把手區域
上下肢協同，打造"擬人式"動作鏈條
為應對車門阻力與抓握穩定性挑戰，墨茵采用"flow-based motion（流動式動作機制）"。在開門過程中，機器人不僅由手臂發力，更通過腿部與腰部姿態調整形成全身配合，模擬出類似"太極推手"的發力結構。
項目初期團隊嘗試過僅靠上肢發力拉門，但機器人經常被車門"拽走"。最終通過強化手部結構、增加腳底防滑、設定合理姿態與站位精度要求，并同步優化控制模型、增強動作執行過程中的數據反饋機制和策略更新能力，逐步實現穩定開門動作。"從失敗無數次，到第一次拉開車門，那一刻我們知道這事成了。"研發團隊成員回憶道。
Sim2Real遷移，構建從虛擬到現實的落地閉環
訓練完成后的模型通過Sim2Real技術平滑遷移至實體機器人，使虛擬世界中形成的策略能夠真實應用。部署過程中，機器人還能收集環境反饋數據，回流訓練系統用于模型增強，形成數據閉環。
這一"預訓練-現實強化-端到端控制"的完整路徑，被廣泛認為是當前機器人行業中最具通用性與可擴展性的技術范式。
機器人墨茵使用VLM模型和廣角攝像頭實時判斷車門打開狀態
落地4S店，服務真實用戶場景
目前，墨茵已在奇瑞多家4S店試點部署，承擔智能接待、產品講解、遞送物品等工作。"開車門"不僅是技術突破，更是其作為"智能銷售助理"角色的核心能力。
未來，墨甲將繼續在汽車場景中深耕數據積累，優化模型泛化能力。面對不同門把手、環境光照、開關阻力等變量，機器人將不斷進化，實現分鐘級生成新動作策略，極大降低新任務研發周期。
"我們今天在4S店打開的是一扇車門，未來希望能讓機器人走進千家萬戶，打開更多場景的‘服務之門'。"從構想到現實，從實驗室到真實商業空間，墨甲墨茵以"開車門"為標志，完成了具身智能機器人商業化的重要跳躍。行業首例的全自主物理交互，不僅展現了墨甲在多模態感知、上下肢協同、端到端控制等方面的深厚積累，更為"人形機器人+汽車"的融合應用開啟了新范式。
