Sakana AI 提出用於測試時擴展機械人軌跡的 SAIL

Sakana AI 與東京大學正在推出 Scaling In-Context Imitation Learning（SAIL），並將於 IROS 2026 發表。策略視覺語言模型根據少量成功示範生成機械人軌跡，且不改變模型本身。

每個候選軌跡都在模擬器中測試。評估視覺語言模型查看生成的影片，找出進展停滯的位置，策略模型再根據該回饋修改軌跡。蒙特卡羅樹搜尋在細化有希望的候選軌跡的同時探索其他方案，只有被選中的軌跡才會發送給實體機械人。

在六項模擬操作任務中，將搜尋預算由 1 個候選軌跡增加至 45 個後，找到成功軌跡的平均比率由 25% 升至 73%。Sakana AI 亦在實體機械人上評估了 SAIL，並表示結果說明，額外計算可以幫助模型在模擬中測試並改進所提出的動作。SAIL 網誌和論文提供更多細節。