PolicyIK实现高精度机器人逆运动学

2026年11月4日，研究人员在arXiv上发布了PolicyIK强化学习算法，这是一种基于目标条件强化学习的高精度机械臂逆运动学方法。该方法通过姿态反馈更新关节位置参考，并累积参考与测量关节之间的偏移。在模拟测试中，PolicyIK实现了93.5%的任务成功率，误差控制在1毫米和0.2度以内。在物理机械臂训练中，其成功率和精度均优于四种经典逆运动学控制器。该算法代码已开源。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。