フロンティアAIのSakana AI、再学習なしでロボット軌道をシミュレーション探索するSAILを開発

Sakana AIは、University of Tokyoとの共同研究で、視覚言語モデル（VLM）が生成するロボットの動作軌道を、モデル自体を再学習せずに改善する手法「Scaling In-Context Imitation Learning（SAIL）」を開発しました。SAILは推論時に追加の計算を使って複数の動作候補を生成・検証する「test-time scaling」をロボット制御へ適用するもので、研究成果はIROS 2026で発表予定です。

SAILでは、少数の成功例を与えられたpolicy VLMがロボットの動作軌道を生成し、その軌道をまずシミュレーター内で実行します。別のevaluation VLMが実行結果の動画から作業の進捗と失敗箇所を評価し、そのフィードバックを基にpolicy VLMが動作を修正します。探索にはMonte Carlo Tree Search（MCTS）を用いて複数の候補を比較し、最終的に選ばれた軌道だけを実機へ送ります。実験ではGemini Robotics-ER 1.5を軌道生成と評価の両方に使いましたが、モデルの重み自体は変更していません。

6種類のシミュレーション上の操作タスクでは、1候補だけを試した場合に平均25%だった成功軌道の発見率が、探索規模を45ノードへ増やすと73%まで上昇しました。LeRobot SO-101の実機を使った評価では、候補を15件まで探索する条件で6回中5回に成功しました。また、探索で得た成功軌道から模倣学習したpolicyも6回中5回成功し、MCTSによる探索を毎回行う方法より実行時間を短縮しました。一方、実機での評価は1種類のタスクと各手法6回に限られ、動作中の視覚フィードバックを使わないopen-loop方式であることや、探索に追加計算が必要なことも研究上の制約として示されています。

Sakana AIについて
Sakana AIとは、2023年にDavid Ha、Ren Ito、Llion Jonesが東京で設立したフロンティアAIの研究開発企業です。David HaがCEO、Ren ItoがChairman、Llion JonesがCTOを務めます。The AI Scientist、Multi-Agent Orchestration Foundation Models、日本向けNamazuモデル、Darwin Gödel Machineなどの研究開発を進めています。日本の大企業や公共部門とも連携し、研究成果を金融、公共分野を含む実際の業務へ展開しています。日本のニーズに対応するAIを開発し、国内でAIを広く利用できる環境を作ることを掲げています。