출처: pub.sakana.ai원문 보기
SAIL: Test-Time Scaling through Iterative Refinement for VLMs as Robot Trajectory Generators
3줄 요약
- Sakana AI와 도쿄대 연구팀이 로봇의 동작 경로를 시뮬레이션에서 시험하고 개선하는 SAIL 방법을 소개했습니다.
- 여섯 가지 시뮬레이션 조작 과제에서 성공 경로를 찾는 비율이 단일 생성의 25%에서 후보 45개를 탐색할 때 73%로 높아졌습니다.
- 실제 로봇팔의 블록 놓기 실험에서는 여섯 번 중 다섯 번 성공했으며, 연구팀은 검증 범위가 아직 좁다고 밝혔습니다.
SAIL은 비전 언어 모델이 소수의 성공 시연을 참고해 동작 경로를 만들고, 시뮬레이터와 평가 모델의 피드백을 받아 경로를 반복해서 고르는 방법입니다. 연구팀은 기초 모델의 가중치를 바꾸지 않고 탐색에 쓰는 계산량을 늘려 성능을 개선했습니다.
평가에는 Gemini Robotics-ER 1.5를 사용했으며, 여섯 가지 조작 과제를 각각 20개 초기 조건에서 시험했습니다. 실제 환경에서는 LeRobot SO-101 로봇팔이 블록을 그릇에 넣는 과제에서 여섯 번 중 다섯 번 성공했습니다. 연구팀은 동작 중 시각 피드백이 없는 개방형 제어 방식과 시뮬레이션 계산 비용, 제한적인 실제 로봇 실험을 한계로 제시했습니다. 관련 논문은 앞서 2026년 3월 공개됐으며, 이번 공식 게시물은 IROS 2026 발표를 앞두고 방법과 시연 결과를 정리했습니다.
댓글 0
아직 댓글이 없습니다.