行业首例｜墨甲机器人成功完成"自主开车门"操作

近日 AiMOGA墨甲机器人墨茵（Mornine）在真实4S店环境中成功完成"自主开车门"操作，成为业内首个实现此项复杂物理交互任务的具身智能机器人。这一突破不仅标志着具身智能从实验室走向真实世界，更为服务型人形机器人的商业化部署奠定了关键技术基础。

在机器人行业中，看似简单的"开车门"动作，实则对机器人感知、规划与控制能力提出了极高要求。墨甲团队在不断的工程试错与算法迭代中，攻克了感知融合、全身控制、上下肢协同等多个技术难点，最终让墨茵具备了在非结构化场景中，自主识别车门、调整站位、协调动作、拉开车门的能力。

墨茵自主打开车门

打破"预设指令"边界，实现端到端闭环控制

传统机器人执行任务常需依赖分步骤指令或远程操控，而墨茵采用端到端闭环控制架构，实现了隐空间层面的"感知-规划-执行"的流畅融合。以3D激光雷达、深度相机、广角相机等多模态传感器为基础，辅以视觉基础模型（Visual Foundation Model），构建起完整的环境与自身状态感知模型，并借助Chery大模型进行语义理解与任务生成。

当面对不同车型门把手或突发阻力时，墨茵能实时调整路径、姿态和发力方式。这种仿佛"本能反应(System 1)"的执行机制，使机器人真正具备了面对动态环境的即刻决策与动作调控能力。

强化学习赋能，自主识别"门把手"目标

此次"开车门"能力并非靠人工示教，而是通过数百万次虚拟训练迭代完成。在训练中，机器人仅接收到"成功抓住门把手"这一奖励信号，却在反复试验过程中自主聚焦了门把手区域。

"我们其实从未明确告诉机器人‘门把手'是什么，但它最终靠自己学会了抓住目标。"研发人员表示。这种能力，正是端到端强化学习在真实世界中的落地体现。

注意力热力图

强化学习训练后模型自发聚焦门把手区域

上下肢协同，打造"拟人式"动作链条

为应对车门阻力与抓握稳定性挑战，墨茵采用"flow-based motion（流动式动作机制）"。在开门过程中，机器人不仅由手臂发力，更通过腿部与腰部姿态调整形成全身配合，模拟出类似"太极推手"的发力结构。

项目初期团队尝试过仅靠上肢发力拉门，但机器人经常被车门"拽走"。最终通过强化手部结构、增加脚底防滑、设定合理姿态与站位精度要求，并同步优化控制模型、增强动作执行过程中的数据反馈机制和策略更新能力，逐步实现稳定开门动作。"从失败无数次，到第一次拉开车门，那一刻我们知道这事成了。"研发团队成员回忆道。

Sim2Real迁移，构建从虚拟到现实的落地闭环

训练完成后的模型通过Sim2Real技术平滑迁移至实体机器人，使虚拟世界中形成的策略能够真实应用。部署过程中，机器人还能收集环境反馈数据，回流训练系统用于模型增强，形成数据闭环。

这一"预训练-现实强化-端到端控制"的完整路径，被广泛认为是当前机器人行业中最具通用性与可扩展性的技术范式。

机器人墨茵使用VLM模型和广角摄像头实时判断车门打开状态

落地4S店，服务真实用户场景

目前，墨茵已在奇瑞多家4S店试点部署，承担智能接待、产品讲解、递送物品等工作。"开车门"不仅是技术突破，更是其作为"智能销售助理"角色的核心能力。

未来，墨甲将继续在汽车场景中深耕数据积累，优化模型泛化能力。面对不同门把手、环境光照、开关阻力等变量，机器人将不断进化，实现分钟级生成新动作策略，极大降低新任务研发周期。

"我们今天在4S店打开的是一扇车门，未来希望能让机器人走进千家万户，打开更多场景的‘服务之门'。"从构想到现实，从实验室到真实商业空间，墨甲墨茵以"开车门"为标志，完成了具身智能机器人商业化的重要跳跃。行业首例的全自主物理交互，不仅展现了墨甲在多模态感知、上下肢协同、端到端控制等方面的深厚积累，更为"人形机器人+汽车"的融合应用开启了新范式。