当人形机器人，已能完成后空翻、表演复杂的武术动作时，一个看似简单、却无比基础的日常任务——开门——却长期以来，困扰着整个业界。
这个需要精准的感知、细腻的接触控制，以及全身动态协调的动作，已成为检验一台机器人，其自主能力的终极“试金石”。
如今，由英伟达，联合加州大学伯克利分校、卡内基梅隆大学等顶尖机构的研究团队，终于，攻克了这一难题。
他们推出的DoorMan系统，仅凭单一的RGB视觉输入，就能让人形机器人，在真实的物理世界中，灵活地应对各种类型的门。
其性能，不仅在成功率上，超越了经验丰富的人类远程操作员。在完成任务的速度上，更是快出了23.1%至31.7%。
这并非又一次简单的算法优化。这是一次，从根本上，解决了从仿真世界到现实世界（Sim-to-Real）迁移难题的、系统性的范式突破。
三大核心技术：破解“Sim-to-Real”的迁移难题
DoorMan的成功，得益于一套被精妙设计的、“教师-学生-自举”的学习框架，以及大规模的仿真随机化技术。
DoorMan 训练流程。所有阶段均在 IsaacLab 中交互式完成
1. 教师-学生蒸馏：从“全知”到“纯视觉”的知识迁移。
在仿真环境中，研究团队，首先训练了一个“教师”策略。这个“教师”，可以获取到人类无法直接观察到的“特权信息”——例如，机器人与门的精确相对位置、手部与门把手的姿态关系、手部的接触力数据等。
借助这些“全知”的信息，这个“教师”策略，能够快速地掌握开门的核心技能。
随后，一个“学生”策略，被创建出来。这个“学生”，则完全模拟真实世界的约束，仅能依靠RGB图像和自身的本体感受数据，来进行决策。
为了让“学生”，能够继承“教师”的能力，研究团队采用了一种名为DAgger的交互式蒸馏算法。这确保了，即便是在纯视觉的条件下，“学生”依然能够精准地，复现出“教师”的操作逻辑。
2. 分阶段重置探索：为长时序任务“搭梯子”。
“开门”这类长时序的任务，其训练，极易陷入一个“难以推进到后期阶段”的困境。
为解决这一问题，研究团队，设计了一种“分阶段重置探索”的策略。
他们将开门的任务，分解为六个连续的阶段（走向门、预抓取、抓取、开门、门摆动、穿过门）。当机器人成功进入下一个阶段时，系统会缓存此时的仿真快照。在后续的训练重置时，环境会以一定的概率，随机地，从这些被缓存的中间阶段开始，而不是每一次，都从零开始。
这种设计，相当于给整个训练过程，“搭上了一节节的梯子”，让策略，能够更频繁地，接触到并学习任务的后期阶段，从而极大地，提升了训练的效率。
3. GRPO微调：在“看不见”时，学会“自我调整”。
纯视觉的感知，必然会面临“部分可观测性”的问题——例如，门把手，被机器人自己的手臂所遮挡。
为了让策略，具备自我改进的能力，研究团队，在蒸馏之后，加入了一个名为GRPO的微调阶段。
在这个阶段，系统仅使用一个简单的、二元的成功信号（即，门，是否被最终成功打开），来引导“学生”策略，进行自主的探索与改进。
实验发现，经过微调后，“学生”策略，会主动地，学会去调整其身体的姿态，以确保门把手，能够始终保持在自己的相机视野之中。
——这些，是“教师”策略，从未展示过的、全新的行为。它们，完全是“学生”策略，通过自主学习，而获得的、全新的“肌肉记忆”——
实测性能：超越人类操作员
为了全面验证DoorMan的性能，研究团队，在真实世界中，进行了多维度的测试。
测试，采用了一台宇树的G1人形机器人。其自主策略，与由人类（分为“专家”与“非专家”）进行的远程遥控操作，进行了直接的对比。
测试结果显示：
-
成功率上， DoorMan达到了83%，超过了专家操作员的80%，以及非专家的60%。
-
效率上， 其优势更为明显。它比专家，快了23.8%；比非专家，快了31.7%。
所有开门任务的平均性能：左图为成功率（数值越高越好）；右图为任务流畅度（以完成开门任务的耗时衡量，数值越低越好）。
从定性的表现来看，人类操作员，常常难以准确地判断门把手的弹簧力，以及门的铰链阻力，容易出现操作节奏混乱、身体失衡等问题。
而DoorMan，则能够精准地控制其施加的力的大小，以及身体的姿态，始终保持平稳的开门速度。
一个更宏大的图景
DoorMan的核心价值在于，它以一种极具说服力的方式，证明了：
通过大规模的、高保真的仿真随机化，以及高效的、分阶段的强化学习框架，一个纯视觉驱动的人形机器人，完全有能力，在真实的、从未见过的物理环境中，去完成复杂的、长时序的操作任务。
打通人形机器人像素到动作策略迁移的仿真到现实之门
DoorMan 训练进度：(a) 学生策略的 GRPO 自举优化；(b) 不同阶段重置缓冲区大小下的教师策略探索。
并且，其性能，可以稳定地，超越由人类进行的远程操作。
这，不仅是为“开门”这一个具体的任务，提供了一个终极的解法。
其更深远的意义在于，它为解决其它所有，类似的、需要与物理世界进行深度交互的复杂任务，提供了一个通用的、可被扩展的、强大的技术范式。
一个由仿真世界中训练出的“肌肉记忆”，来驱动现实世界中物理行动的、全新的时代，已不再是遥远的设想。
它，正以一种清晰的、可被验证的方式，走进现实。
