Sakana AI 与东京大学提出 SAIL：用测试时扩展提升机器人上下文模仿学习

介绍“Scaling In-Context Imitation Learning”（SAIL），将在 IROS2026 上展示。这项工作由 Sakana AI 与东京大学合作完成。

• 博客：https://pub.sakana.ai/sail
• 论文：https://arxiv.org/abs/2603.08269

机器人在能够应对一项新任务之前，需要什么？

教机器人做一件新事情，通常从收集演示并训练策略开始。但基础模型已经从海量的图像、文本和机器人相关数据中学习过。我们想看看，在不改变模型本身的情况下，我们能为机器人控制提取出多少这类知识。

近期的演示表明，GPT-6 Astra 在具备通用语言和视觉能力的同时，还能操作物理机器人。早期工作也表明，LLM/VLM 可以从少量演示中生成完整的机器人动作序列。

然而，基础模型未必能在单次生成中产生可靠的机器人轨迹。性能取决于所提供的上下文，而动作目标中的一个小错误就可能导致整个任务失败。

我们提出 SAIL，一种通过测试时扩展实现更可靠的基于 VLM 的机器人轨迹生成的方法。

SAIL 使用一个策略 VLM 作为机器人轨迹生成器，以少量成功演示为条件。它在模拟器中测试生成的轨迹，并使用一个评估 VLM 来审查生成的视频并找出进展停滞的位置。随后，策略 VLM 利用这一反馈来修正轨迹，同时蒙特卡洛树搜索（MCTS）探索备选方案并优化有希望的候选方案。只有被选中的轨迹才会发送给物理机器人。

在模拟环境中的六项操作任务中，将搜索预算从一个候选增加到 45 个，使找到成功轨迹的平均成功率从 25% 提升到 73%。我们还在物理机器人上评估了 SAIL。我们的结果表明，机器人轨迹生成可以从测试时扩展中受益，额外的计算使模型能够在模拟中测试并改进其提出的动作。

我们认为，关于现有模型借助这类反馈能做到什么，以及这些改进能在多大程度上迁移到物理机器人上，还有更多值得探索。