反向運動學根據決定運動的幾個主關節最終角度確定整個骨架的運動，通常用于環節物體，由不同運動約束的關節連接成環節構成的分級結構骨架。分級結構骨架由許多采用分級方式組的環節鏈構成，包括分級結構關節或鏈，運動約束和效應器，由效應器帶動所有部分同時運動。但必須遵循特定的等級關系，以便在變換時阻止各個部件向不同方向散開。如：投球動作，只規定出球的起始位置、終了位置和路徑，手臂等即跟隨關節的轉動可按反向運動學自動算出。反向運動學方法在一定程度上減輕了正向運動學方法的繁瑣工作，是生成逼真關節運動的最好方法之一。
IK算法如何在動作捕捉系統中應用？
如上文所說，如果己知末端效應器的位置信息，反求其祖先關節（也稱父關節）的旋轉角和位置，這是就是反向運動學。也就是我們通過室內定位技術，獲取末端效應器的位置信息，然后利用IK算法推算出祖先關節的旋轉角和位置，從而知道運動者的運動信息，再利用運動信息實現實時動作跟蹤顯示。
這里所用的室內定位技術是激光定位技術，通過墻上的激光發射器掃描佩戴者佩戴的機身上的位置追蹤傳感器（即IK算法中的末端效應器），從而獲得位置和方向信息。具體來說，這種室內定位技術是靠激光和光敏傳感器來確定運動物體的位置。若干個激光發射器會被安置在對角，形成一個矩形區域，這個區域可以根據實際空間大小進行調整。每個激光發射器內設計有兩個掃描模塊，分別在水平和垂直方向輪流對定位空間發射橫豎激光掃描定位空間。運動者身上有光敏傳感器，通過光敏傳感器接收到激光的時間計算出光敏傳感器的準確位置。
通過激光室內定位技術獲取傳感器的精確位置后，即可利用IK算法反向推算出祖先關節的旋轉角和位置，從而知道運動者的運動信息。但是由于激光定位過程中可能存在遮擋問題，比如下蹲、擁抱、扭打等動作。于是應用慣性傳感器做補充跟蹤，即當出現遮擋情況時， 室內定位技術+IK算法相結合的動作捕捉技術無法完全準確地實現，這個時候利用慣性式動作捕捉技術可做補充。反過來可以利用室內定位技術對慣性式動作捕捉技術做實時校準，不需要另行校準，從而解決遮擋問題的同時，也避免了慣性式動作捕捉無法長時間精確工作的弊端。
以上詳細解析了慣性式動作捕捉系統的原理，優劣勢等方面的內容，動作捕捉系統作為VR界的隱形鑰匙，越來越多地被人們所關注。相信隨著VR行業的迅猛發展，會有更多的更好的解決方案問世，筆者跟大家一樣，期待有一天精準的VR動作捕捉技術可以走入我們的日常生活。