NYU 发布 PolicyIK：用 RL 实现 0.5mm 实臂逆运动学精度，超越四款经典 IK 控制器

NYU 团队发布目标条件强化学习策略 PolicyIK，在物理机械臂上训练并实现毫米级逆运动学精度。仿真 held-out 任务末秒平均误差低于 1mm / 0.2°，部署协议成功率达 98.9%；实臂中位误差为 0.50mm / 0.12°，到达与保持成功率超过四款经典 IK 控制器。执行 π0.5 VLA 策略时，仿真 pick-and-place 末端指令成功率为 95.7%。