PolicyIK：用强化学习实现机械臂高精度逆运动学

PolicyIK 是一种面向机械臂高精度逆运动学的目标条件强化学习策略，根据位姿反馈更新关节位置参考，并观察累积参考与实测关节的偏差，以保留位置控制器静止时所需的偏移量。方法采用双尺度位姿误差和随误差变化的动作增益来消除毫米级残差，同时保留大范围运动，并用进度奖励与驻留奖励让策略既到达容差又停留在容差内。仿真中，训练后的 PPO 策略单次尝试在 93.5% 的留出任务上使最后一秒平均误差保持在 1 mm 和 0.2° 以内。