Yuhan Liu

机械臂的逆运动学通常由数值求解器加人工整定的控制器完成，PolicyIK把这一环节改成目标条件强化学习策略，通过关节位置接口从位姿反馈更新关节参考。在仿真的7自由度OpenArm上，训练后的PPO策略单次尝试在93.5%的留出任务上把最后1秒的平均误差保持在1毫米以内，部署协议把成功率提高到98.9%；在实体臂上直接训练时，其到达与保持成功率高于四种经典逆运动学控制器。

机械臂的逆运动学通常由数值求解器加人工整定的控制器完成，PolicyIK把这一环节改成目标条件强化学习策略，通过关节位置接口从位姿反馈更新关节参考。在仿真的7自由度OpenArm上，训练后的PPO策略单次尝试在93.5%的留出任务上把最后1秒的平均误差保持在1毫米以内，部署协议把成功率提高到98.9%；在实体臂上直接训练时，其到达与保持成功率高于四种经典逆运动学控制器。