Sakana AI, 테스트 시 로봇 궤적을 확장하는 SAIL 공개

Sakana AI와 도쿄대학교는 Scaling In-Context Imitation Learning(SAIL)을 도입하며, IROS 2026에서 발표한다. 정책 시각-언어 모델은 모델 자체를 바꾸지 않고 소수의 성공한 시연으로 로봇 궤적을 생성한다.

각 후보는 시뮬레이터에서 시험한다. 평가 시각-언어 모델이 생성된 영상을 검토해 진행이 멈춘 지점을 찾고, 정책 모델은 그 피드백으로 궤적을 수정한다. 몬테카를로 트리 탐색은 유망한 후보를 다듬으면서 대안을 탐색하며, 선택된 궤적만 실제 로봇으로 보낸다.

시뮬레이션 조작 과제 6개에서 탐색 예산을 후보 1개에서 45개로 늘리자, 성공한 궤적을 찾는 평균 비율이 25%에서 73%로 상승했다. Sakana AI는 실제 로봇에서도 SAIL을 평가했으며, 결과에 따르면 추가 연산이 모델이 제안한 동작을 시뮬레이션에서 시험하고 개선하는 데 도움이 될 수 있다고 밝혔다. 자세한 내용은 SAIL 블로그와 논문에서 확인할 수 있다.