HJCD-IK：基于批量混合雅可比坐标下降的 GPU 加速逆运动学
机器人学
2025-10-10 v1
摘要
逆运动学 (IK) 是机器人中的核心问题，通过寻找关节配置来实现期望的末端执行器姿态。虽然解析求解器快速高效，但仅限于自由度较低且具有特定拓扑结构的系统。数值优化方法更为通用，但 suffer from 高计算成本和频繁收敛到不良局部最小值。近期研究探索了利用 GPU 结合抽样与优化以提升 IK 求解器的精度和速度。我们基于此最新文献，引入 HJCD-IK，一种 GPU 加速的抽样基于混合求解器，组合orientation-aware贪心坐标下降初始化方案与基于雅可比的打磨例程。此设计使我们的求解器在收敛速度和整体精度方面均优于最先进方法，始终在精度-延迟 Pareto 前沿上找到解决方案，常实现数量级提升。此外，我们的方法产生广泛的高质量样本，实现最低的最大平均不等式距离。我们将代码开源以利社区共享。
引用
@article{arxiv.2510.07514,
title = {HJCD-IK: GPU-Accelerated Inverse Kinematics through Batched Hybrid Jacobian Coordinate Descent},
author = {Cael Yasutake and Zachary Kingston and Brian Plancher},
journal= {arXiv preprint arXiv:2510.07514},
year = {2025}
}