IKSel：用于快速数值逆运动学迭代的良好种子关节值选择
机器人学
2025-03-31 v1
摘要
本文重新审视数值逆运动学（IK）问题，利用现代计算资源并细化种子选择过程，以开发出与解析方法竞争的求解器。 proposed的种子选择策略包括三个关键阶段：（1）利用K维树（KDTree）基于工作空间 Proximity 识别种子候选者；（2）按关节空间调整对候选者进行排序，并尝试使用所需调整最小的那个；（3）在失败情况下重新选择最远的关节配置进行新尝试。基于关节空间调整的种子选择增加了快速收敛的可能性，而重新尝试策略有效地帮助规避局部最小化值和关节限制。与传统数值求解器和学习方法的比较结果表明，所提方法在成功率、时间效率和准确性方面均表现出色。此外，我们进行详细的消融研究，以分析各种参数和求解器设置的影响，为自定义和优化提供了实用见解。该方法始终表现出高成功率和计算效率，适用于时间敏感的应用。
引用
@article{arxiv.2503.22234,
title = {IKSel: Selecting Good Seed Joint Values for Fast Numerical Inverse Kinematics Iterations},
author = {Xinyi Yuan and Weiwei Wan and Kensuke Harada},
journal= {arXiv preprint arXiv:2503.22234},
year = {2025}
}