《Frontiers in Artificial Intelligence》：Conditional diffusion-based inverse kinematics for redundant 7-DOF manipulators with differentiable refinement
编辑推荐：
背景：冗余机械臂的逆运动学（Inverse Kinematics, IK）是一个多解问题，因为一个末端执行器位姿可能对应多个可行关节构型。经典数值求解器和基于回归的神经模型通常返回单一关节构型，因此不显式表示逆运动学解流形。现有基于归一化流的生成式求解器可产生
背景：冗余机械臂的逆运动学（Inverse Kinematics, IK）是一个多解问题，因为一个末端执行器位姿可能对应多个可行关节构型。经典数值求解器和基于回归的神经模型通常返回单一关节构型，因此不显式表示逆运动学解流形。现有基于归一化流的生成式求解器可产生多个解，但需要可逆网络架构，且不包含显式的任务空间校正阶段。本研究旨在开发一种混合生成-运动学方法，用于冗余7自由度（7-DOF）机械臂的逆运动学，能够为给定目标位姿生成多个可行构型。
方法：研究人员开发了一种混合方法DiffusionIK，将基于条件扩散的生成、分类器无关引导（Classifier-Free Guidance, CFG）、DDIM采样和可微前向运动学细化相结合。在归一化关节空间中，利用由xArm机械臂前向运动学程序化生成的训练对训练ResMLP去噪器。对于每个目标位姿，扩散模型生成多个候选关节构型，细化阶段随后降低每个候选的任务空间残差。数值实验在500个可达目标位姿上进行，每个位姿生成50个候选。使用1 mm和1°的位置与姿态成功阈值，以及细化后关节空间变异性的保持来评估性能。
结果：DiffusionIK在1 mm和1°阈值下，经过200步细化后成功率达99.40%，500步后达100.00%，平均关节空间变异性为9.77 rad。在与阻尼最小二乘、KDL、直接回归和归一化流基线统一的基准测试中，带细化的DiffusionIK在500个未见位姿上成功率达99.80%，在奇异点附近达98.40%，与最强的数值求解器相当，同时为每个位姿返回50个多样化解。
结论：所提出的DiffusionIK方法将冗余逆运动学有效表述为条件生成后接局部运动学校正。通过将基于扩散的候选生成与可微前向运动学细化相结合，该方法表征了冗余机械臂的多解性质，并在保持构型多样性的同时实现了高任务空间精度。与基于归一化流的求解器不同，DiffusionIK对去噪器不施加可逆性约束，并将生成与可微前向运动学细化相结合，提供亚毫米和亚度精度以及构型多样性。
**研究背景与问题**
冗余机械臂的逆运动学（Inverse Kinematics, IK）是指对给定末端执行器位姿求解关节构型的问题。对于具有7个自由度（7-DOF）的冗余机械臂，同一末端位姿可对应多个关节构型，其解集在雅可比满秩时构成一维自运动流形。经典数值求解器（如阻尼最小二乘、循环坐标下降、前向后向迭代求解）通常只返回单一解，且依赖初始值；基于回归的神经网络模型将多解问题退化为单输出预测，容易在多模态解分布上产生模式平均。现有基于归一化流的生成式求解器（如IKFlow）能够生成多解，但要求网络可逆，限制了架构选择，且没有显式任务空间校正。因此，研究人员提出将条件扩散生成与可微前向运动学（Forward Kinematics, FK）细化相结合的混合方法，以显式建模解集并提高位姿精度。
**研究内容与意义**
研究人员开发了DiffusionIK方法，将逆运动学表述为条件生成问题：给定目标位姿，生成一组候选关节构型，再通过可微前向运动学对每个候选进行局部修正。该方法不依赖可逆架构，同时保持解集多样性。实验表明，在1 mm和1°阈值下，DiffusionIK经500步细化后成功率达100%，在统一基准中与最强数值求解器相当，同时为每位姿返回50个多样化解。其意义在于将冗余IK从单一预测转向解流形上的生成与细化，为后续运动规划提供多选构型基础。
**关键技术方法**
研究人员使用程序化生成训练对：从关节空间均匀采样构型，通过xArm机械臂的可微前向运动学计算对应末端位姿。扩散模型采用ResMLP去噪器，在归一化关节空间中预测噪声；训练时采用余弦噪声调度和条件扩散，并使用分类器无关引导（Classifier-Free Guidance, CFG）增强位姿条件约束；采样时使用DDIM减少生成步数。每个候选经反归一化后，通过最小化任务空间残差进行梯度细化，并约束在关节限位内。模型在RTX 4090上训练，测试集为500个可达位姿，每位姿生成50个候选。
**研究结果**
**建模与数值实验**
在架构与模型规模消融中，研究人员比较了ResMLP与普通MLP。结果显示，在相同宽度和深度下，ResMLP将平均位置残差从73.4 mm降至60.4 mm；将参数量从1.0 M增至26.9 M后，残差进一步降至56.3 mm，并首次出现非零细化前成功率（0.20%）。这表明条件生成式IK需要足够的表示容量。
在预测目标参数化比较中，ε预测比x
0预测和v预测更稳定，ε预测残差为56.3 mm，而x
0预测高达111.0 mm。
在噪声调度与扩散步数实验中，余弦调度且T=200时首次产生非零成功率，线性调度和T=50均未成功，说明低维关节空间需要更精细的噪声级离散化。
在分类器无关引导与辅助运动学目标实验中，加入CFG后，细化前平均位置残差由56.3 mm降至16.9 mm，细化前成功率由0.20%升至2.40%。在训练时增加辅助运动学损失（λ
FK=0.1或1.0）未带来改进，且成功率保持为零。
在训练时长与批量大小实验中，将优化步数从45 K增至200 K或增大批量至8192，均未降低残差或提高成功率，说明主要瓶颈在于采样后的运动学细化而非训练迭代数。
在梯度细化实验中，未细化时成功率为1.00%；50步细化后成功率升至97.20%；200步后为99.40%；500步后达到100.00%，且平均关节空间变异性保持9.77 rad。该结果证明细化在提升精度的同时未将候选集压缩为单一构型。
在统一基准中，带200步细化的DiffusionIK在500个未见位姿上成功率达99.80% [95% CI 98.9, 100.0]，平均位置误差为1.58 mm，平均姿态误差为0.02°，每位姿返回50个解；阻尼最小二乘（DLS）成功率同为99.80%但仅返回单解且耗时93 ms。相同细化应用于归一化流基线时成功率仅13.80%，应用于直接回归基线时成功率97.40%但其解多样性较低（5.34 rad对9.69 rad）。在近奇异位姿集上，DiffusionIK保持98.40%成功率，优于KDL的91.60%，与DLS的99.00%接近，且GPU摊销时间约19 ms每位姿。
**讨论与结论**
讨论部分指出，扩散模型与细化阶段功能不可互换：扩散模型负责全局生成结构化候选，可微FK负责局部修正残差。CFG在细化前起到了几何约束作用，而辅助运动学损失因高噪声水平下中间预测不稳定而无效。计算时间主要消耗在细化阶段，生成50个候选约需100 ms，200步细化约1200 ms，总计约1300 ms。该方法可运行在仅生成、减少细化、完全细化等不同模式，以适应下游任务需求。局限性包括未包含碰撞检测、细化耗时、以及需在物理机械臂上进一步验证。
本文开发了DiffusionIK，一种用于冗余7-DOF机械臂逆运动学的混合生成-运动学方法。该方法不将逆运动学简化为单一确定性预测，而是从学习到的条件分布中生成一组候选关节构型，并通过可微前向运动学对每个候选进行细化。主要方法论结果是将条件扩散采样、分类器无关引导、DDIM采样和可微FK梯度细化集成于一个计算方案。数值实验证实了各组件的作用：ResMLP去噪器、噪声预测参数化、余弦调度、分类器无关引导和梯度细化均对最终性能有贡献；其中梯度细化带来最大提升，500步细化后达到100%成功率。统一基准表明，DiffusionIK与最强数值求解器可靠性相当，同时返回50个多样化解，且细化后平均关节空间变异性保持9.77 rad，证明生成集未坍缩为单一构型。当前实现未包含碰撞检测，细化阶段仍为主要计算开销，且实验基于程序化生成位姿，需在物理平台上进一步验证。未来研究方向包括集成碰撞约束、减少细化步数、应用渐进蒸馏加速采样，以及物理机械臂验证。
