近日，由AiMOGA研发的人形机器人墨茵（Mornine）在真实4S店场景中成功实现“自主开启车门”的复杂操作，成为业内首个完成此类高难度物理交互任务的具身智能机器人。这一里程碑式的进展，标志着具身智能正从实验室环境迈向真实、开放的商业应用场景，同时也为人形机器人在服务领域的规模化落地提供了关键技术支持。
在机器人领域，看似简单的“拉开车门”动作，实则融合了环境感知、动态决策、全身协调与精细控制等多重挑战。墨甲团队历经大量工程验证与算法优化，突破了多传感器融合、全身协同控制、非结构化环境适应等多项核心技术瓶颈，最终使墨茵能够在真实环境中自主识别车辆门把手、精准调整站位，并完成流畅的开门动作。
墨茵精准定位并操作车门
突破“程序化指令”局限，构建端到端智能闭环
不同于传统机器人依赖预设步骤或远程操控的模式，墨茵采用端到端的闭环控制架构，实现了从感知到执行的无缝衔接。依托3D激光雷达、深度相机与广角视觉系统，结合先进的视觉基础模型（Visual Foundation Model），机器人构建出对环境与自身状态的实时理解，并通过Chery大模型完成语义解析与任务生成。
面对不同车型的门把手设计或开门过程中的突发阻力，墨茵可动态调整运动轨迹、身体姿态与施力策略。这种接近人类“直觉反应（System1）”的响应机制，赋予机器人在复杂多变环境中即时决策与自适应执行的能力。
基于强化学习，机器人“自学”抓握目标
本次“开车门”能力并非通过人工示教获得，而是借助数百万次虚拟仿真训练，由强化学习驱动自主演化而成。在训练过程中，机器人仅以“成功触碰并拉动门把手”作为奖励信号，却在不断试错中自发聚焦于门把手区域，最终掌握精准抓取技能。
“我们从未明确告诉它什么是门把手，但它自己学会了寻找并操作这一关键部件。”研发人员表示。这种无需显式标注的自主学习能力，正是端到端强化学习在现实世界任务中成功落地的有力证明。
模型训练后自发关注门把手区域的注意力热力图
全身协同发力，实现类人动作链
为应对车门开启时的反作用力与抓握稳定性问题，墨茵引入“flow-based motion”（流动式动作机制），在操作中实现上下肢协同配合。机器人不仅依靠手臂拉拽，更通过腿部屈伸与腰部扭转形成整体发力结构，模拟出类似“太极推手”般的柔韧动力传递。
项目初期，团队曾尝试仅用上肢完成动作，但常因车门反力导致机体失衡甚至滑倒。后续通过优化手部抓握结构、增强脚底摩擦力、精确控制站位角度，并持续迭代控制策略与反馈机制，最终实现了稳定可靠的开门动作。“经历了无数次失败，直到第一次看到它独立把门拉开，我们知道，方向对了。”一位工程师回忆道。
墨茵通过VLM模型与广角摄像头实时判断车门开启状态
Sim2Real迁移，打通虚拟训练与现实应用闭环
训练完成的策略通过Sim2Real（从仿真到现实）技术平滑迁移至实体机器人，确保在虚拟环境中习得的行为可在真实世界精准复现。部署过程中，机器人持续采集实际环境数据，并将反馈回传至训练系统，用于模型迭代升级，形成“训练—验证—优化”的闭环体系。
这一“预训练+现实微调+端到端控制”的技术路径，被业界视为当前最具通用性与扩展潜力的机器人发展范式，有望加速人形机器人在多样化场景中的应用落地。
服务真实场景，落地奇瑞4S店
目前，墨茵已在多家奇瑞4S店投入试点运行，承担客户接待、产品讲解、物品递送等综合性服务任务。“自主开车门”不仅是技术展示，更是其作为“智能销售助手”的核心交互能力之一。
未来，墨甲团队将持续深耕汽车服务场景，积累多样化数据，提升模型泛化能力。面对不同车型、光照条件、开关阻力等变量，机器人将逐步实现分钟级新动作策略生成，大幅缩短新任务开发周期。
“今天我们为用户打开了一扇车门，明天我们希望机器人能走进千家万户，开启更多智能化服务的入口。”从概念构想到商业落地，墨茵以一次“拉开车门”的动作，完成了具身智能向真实世界迈进的关键一跃。这项行业首创的全自主物理交互，不仅展现了墨甲在多模态感知、全身协同控制与端到端智能方面的深厚积累，更开启了“人形机器人+汽车服务”融合应用的全新篇章。
