逆运动学
足式机器人运动控制的经典方法，给定腿部末端目标位置，由算法反向推算各关节所需角度，具有数学关系明确、计算可预测的特点
核心事实
时间轴 (近 90 天)
控制层仍以PID回路、模型预测控制（MPC）和逆运动学等经典方法为主，AI工作在这一层之上而非嵌入其中。
主流手部重建方法大致分为两类：一类基于参数化手部模型（如 MANO），把高维手部形态压缩为少量姿态与形状参数再回归；另一类直接从图像预测关节关键点，再通过逆运动学或优化拟合出完整姿态。
当前版本的步态由逆运动学求解器（IK solver）为每条腿单独计算
逆运动学方法数学关系明确、计算可预测、易于调试，但步态轨迹需人工设计且对不平整地面适应能力较弱
六自由度机械臂的逆运动学通常存在多组解，最多可达16组
正运动学（FK）是已知各关节角度求末端执行器空间位置，逆运动学（IK）是已知目标XYZ坐标反推各关节角度
对于4DOF这种结构相对简单的机械臂，解析解通常是逆运动学求解的首选
逆运动学解决的问题是已知末端执行器（足尖）的目标空间位置，反推每个关节需要转动到什么角度
全部知识事实 (8)
正运动学（FK）是已知各关节角度求末端执行器空间位置，逆运动学（IK）是已知目标XYZ坐标反推各关节角度
65%待验证控制层仍以PID回路、模型预测控制（MPC）和逆运动学等经典方法为主，AI工作在这一层之上而非嵌入其中。
50%待验证主流手部重建方法大致分为两类：一类基于参数化手部模型（如 MANO），把高维手部形态压缩为少量姿态与形状参数再回归；另一类直接从图像预测关节关键点，再通过逆运动学或优化拟合出完整姿态。
50%待验证当前版本的步态由逆运动学求解器（IK solver）为每条腿单独计算
50%待验证逆运动学方法数学关系明确、计算可预测、易于调试，但步态轨迹需人工设计且对不平整地面适应能力较弱
50%待验证六自由度机械臂的逆运动学通常存在多组解，最多可达16组
50%待验证对于4DOF这种结构相对简单的机械臂，解析解通常是逆运动学求解的首选
50%待验证逆运动学解决的问题是已知末端执行器（足尖）的目标空间位置，反推每个关节需要转动到什么角度
50%