Sakana AI 提出用于测试时扩展机器人轨迹的 SAIL

Sakana AI 与东京大学正在推出 Scaling In-Context Imitation Learning（SAIL），并将于 IROS 2026 发表。策略视觉语言模型根据少量成功示范生成机器人轨迹，且不改变模型本身。

每个候选轨迹都在仿真器中测试。评估视觉语言模型查看生成的视频，找出进展停滞的位置，策略模型再根据该反馈修改轨迹。蒙特卡洛树搜索在细化有希望的候选轨迹的同时探索其他方案，只有被选中的轨迹才会发送给实体机器人。

在六项仿真操作任务中，将搜索预算从 1 个候选轨迹增加到 45 个后，找到成功轨迹的平均比率从 25% 升至 73%。Sakana AI 还在实体机器人上评估了 SAIL，并表示结果说明，额外计算可以帮助模型在仿真中测试并改进所提出的动作。SAIL 博客和论文提供更多细节。