PolicyIK：用端到端 RL 取代机械臂逆运动学求解器，实机表现超越四个经典控制器

PolicyIK 用目标条件 RL 策略替代显式逆运动学控制器，在真实物理机器人上训练，实机到位与保持性能优于四个经典 IK 控制器。该策略将末端位姿误差单步映射为关节位置更新，并规避数值 IK 的奇异点锁死问题，同时支持动态避障。作者认为，这一方案有望简化 VLA 机器人操作背后的精密控制层适配。