Sakana AI、テスト時にロボット軌道を拡張するSAILを発表

Sakana AIと東京大学は、Scaling In-Context Imitation Learning（SAIL）を導入し、IROS 2026で発表する。方策の視覚言語モデルは、モデル自体は変更せず、少数の成功した実演からロボットの軌道を生成する。

各候補はシミュレーターで検証する。評価用の視覚言語モデルが得られた動画を確認して進行が止まった箇所を特定し、方策モデルはそのフィードバックを使って軌道を修正する。モンテカルロ木探索は有望な候補を精緻化しつつ代替案を探索し、選ばれた軌道だけを実機ロボットに送る。

6つのシミュレーション操作タスク全体で、探索予算を候補1件から45件に増やすと、成功する軌道を見つける平均率が25%から73%に上昇した。Sakana AIは実機ロボットでもSAILを評価し、結果は、追加の計算がモデルによる提案動作のシミュレーション上での検証と改善に役立ち得ることを示唆すると述べている。SAILブログと論文に詳細がある。