DLS（Damped Least Squares，阻尼最小二乘法）是在 IK 数值求解中，对基于雅可比矩阵的最小二乘法更新加入阻尼项，从而提升奇异位形附近稳定性的方法。
在普通雅可比伪逆 IK 中，求解器会尝试把末端误差 转成关节增量 。当机器人接近奇异位形或目标位姿不可达时，普通伪逆可能让关节增量变得很大。DLS 通过加入阻尼系数 ，允许保留一点末端误差，换取更平滑、更可控的关节空间输出。
它回答的核心问题是：给定当前关节 、末端误差 和当前雅可比 ，下一步关节应该移动多少 。因此 DLS 是求解策略，不是完整的遥操作控制层，也不是 FK/Jacobian 计算库。
从最小二乘到阻尼
基于雅可比的 IK 通常把小范围内的末端误差近似为线性关系：
普通最小二乘会寻找让 尽量小的 。DLS 在目标函数里额外惩罚过大的关节增量：
这会得到常见更新形式：
这里 是雅可比矩阵， 是末端误差， 是阻尼系数， 是稳定项。阻尼越大，求解越保守，末端误差可能下降得更慢；阻尼越小，结果越接近普通最小二乘或雅可比伪逆解。
迭代式 IK 通常再把关节增量积分到下一步目标：
是步长或速度缩放系数。实际系统还会对 做单步限幅、速度限幅和关节限位检查，避免一个数学上可解的更新变成执行层的突跳。
直观理解
普通伪逆更像“尽量把末端误差立刻消掉”，即使代价是关节大幅运动。DLS 更像“末端误差和关节动作都要控制住”。当目标位姿不可达或接近奇异位形时，这个保守性非常重要，因为它能避免为了追一个几何上很差的目标而输出危险的 。
阻尼系数怎么选
- 固定小阻尼实现简单，但不同姿态下稳定性不均匀。
- 大阻尼更稳，但会让机器人跟随变钝，残差收敛慢。
- 自适应阻尼会根据奇异值、条件数、残差或关节限位距离调整 。
- 实时遥操作里通常还会叠加单步关节限幅、速度限幅和解连续性约束，而不是只依赖 DLS。
应用场景
- IK 求解接近奇异位形时，限制关节增量爆炸
- 目标位姿靠近可达空间边界时，获得更稳定的近似解
- 遥操作、轨迹跟踪和实时控制中，降低关节目标飞跳风险
在工程管线里，DLS 常和 FK/Jacobian 后端组合使用。例如 Pinocchio 或 KDL 负责从机器人模型计算 FK 和雅可比矩阵，DLS 只消费当前误差与雅可比并输出关节增量。如果两条管线分别叫 pinocchio_dls 和 kdl_dls，主要区别通常是 FK/Jacobian 来源不同，而不是 DLS 数值策略本身不同。
和 Servo 层的边界
MoveIt Servo 这类实时 servo 框架可能内部使用逆雅可比或 IK plugin，但它的职责比 DLS 大得多：还会处理奇异点检查、碰撞检查、运动平滑、关节限位、状态报告和场景状态。DLS 只解决“如何从局部误差算一个关节更新”，不负责整套实时安全策略。
局限
DLS 提升的是数值稳定性，不等于解决所有 IK 风险。它不会自动处理碰撞、关节限位、机械干涉、工具偏置错误或动力学可执行性。阻尼太大时，末端可能明显跟不上目标；阻尼太小时，奇异附近仍可能抖动。因此 DLS 通常只是 IK 求解器中的一个稳定化部件。