你伸手去拿桌上的杯子，肩、肘、腕在一瞬间完成了一串角度调整。没有人告诉你每个关节该转多少度，但身体替你算出来了。机器人要做同样的事，就得解一道题——逆运动学（Inverse Kinematics, IK）。
一句话定义：IK 是已知末端（手爪、工具、脚掌）想要到达的位置和姿态，反推出每个关节应该转到什么角度的问题。侧重点就在“每个关节转多少度”。
正着算容易，倒着算难
与之相对的是正运动学（Forward Kinematics, FK）：给定每个关节的角度，算出末端落在哪里。这是从底座开始一路乘变换矩阵的过程，方向确定、结果唯一，几乎不会算错。
IK 是这条链条的反向求解——从“我要手在这里”回到“各关节角是多少”。麻烦出在三处：
- 多解：让机械臂摸到桌面同一点，肘部朝上、朝下都行，甚至手腕多转一圈也行。解不止一个，得挑一个。
- 无解：目标点超出臂长，或姿态要求关节做不到，这道题就没有答案。
- 奇异位形：手臂快伸直时，关节转一点末端几乎不动；反过来，末端想动一点点，关节就得转很大角度。数值求解在这里容易发散或猛跳。
常见解法分三类：解析解针对特定结构的机械臂，直接推出闭式公式，快且精确，但换个构型就得重推；数值解用雅可比矩阵（Jacobian matrix）迭代逼近，通用性好，是工业与开源库的主力，常配合阻尼、伪逆来绕开奇异点；优化法把 IK 写成带约束的最小化问题，可以顺手加上关节限位、避障、姿态偏好等代价项。近年也有用神经网络直接回归关节角的做法，一次前向就出结果，但通常还要接一层数值精修来保精度。
| 正运动学 FK | 逆运动学 IK | |
|---|---|---|
| 输入 | 各关节角 | 末端位姿 |
| 输出 | 末端位姿 | 各关节角 |
| 难度 | 直接连乘，唯一解 | 非线性反问题，多解或无解 |
| 典型用途 | 仿真、状态估计 | 抓取、落脚、动画绑定 |
别和邻居搞混
IK 只回答“这个位姿怎么摆”，不管路上有没有障碍——那是运动规划（motion planning）的事；也不算“需要多大力矩”，那是动力学。一条常见的链路是：任务规划 → 运动规划 → IK → 关节伺服控制。IK 处在最贴近底层的那一环。
对实际工作意味着什么
动画里角色双脚踩实地面、手扶住栏杆，用的是 IK 约束；人形机器人站立时把脚掌钉在世界坐标上，也是 IK；VR 里手柄位置驱动虚拟手臂、手术机械臂对准入口，同样如此。凡是“先定结果、再倒推关节”的场合，都绕不开它。
对 AI 从业者来说，IK 是一个很好的思维模板：带约束的反问题，解不唯一，需要正则项或先验去挑一个“合理”的解，还要处理不可解的情形。这与生成模型从多个候选中选一个合理解、以及约束满足问题的处理方式，本质上是同一类思考。学会区分“题目没解”和“求解器没找到解”，是工程上最实用的一条经验。