# 逆运动学

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。

MorphIK是一个流匹配模型，用transformer编码机器人的形态与目标位姿，再以该编码条件化流匹配头从噪声生成关节位姿，从而对训练中从未见过的转动关节运动链求解逆运动学；它仅用程序化生成机器人的纯合成数据训练，在6至9自由度的未见真实机器人上达到约5厘米精度，作为先验配合阻尼最小二乘优化可在一步后把误差降到1厘米以内、多数情况下三步后达到亚毫米级，并能高效采样零空间以对同一位姿给出多种构型。

MorphIK是一个流匹配模型，用transformer编码机器人的形态与目标位姿，再以该编码条件化流匹配头从噪声生成关节位姿，从而对训练中从未见过的转动关节运动链求解逆运动学；它仅用程序化生成机器人的纯合成数据训练，在6至9自由度的未见真实机器人上达到约5厘米精度，作为先验配合阻尼最小二乘优化可在一步后把误差降到1厘米以内、多数情况下三步后达到亚毫米级，并能高效采样零空间以对同一位姿给出多种构型。