PolicyIK：强化学习实现机械臂高精度逆运动学

Yuhan Liu 等作者提交预印本论文，提出 PolicyIK：一种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。作者称，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，部署协议将成功率提升至 98.9%。 作者还称，在实机机械臂上用离策略强化学习直接训练时，PolicyIK 在相同时间预算下的到达与保持成功率高于四种经典逆运动学控制器；在仿真抓取放置中，它以 95.7% 的成功率执行 π0.5 VLA 策略的末端执行器指令。上述结果来自预印本，尚未经同行评议或独立验证。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。