Sakana AI e Universidade de Tóquio apresentam método SAIL para robótica
Nova técnica utiliza busca em tempo real para aprimorar a execução de trajetórias em robôs de manipulação.
||
27/09 às 20:40
Pontos principais
- O método Scaling In-Context Imitation Learning (SAIL) foi desenvolvido em parceria entre a Sakana AI e a Universidade de Tóquio.
- A técnica utiliza Monte Carlo tree search (MCTS) para refinar alternativas de movimento antes da execução física.
- Testes em simulação mostraram aumento na taxa de sucesso de 25% para 73% em tarefas de manipulação.
- O projeto será apresentado oficialmente na conferência IROS 2026.
A Sakana AI, em colaboração com a Universidade de Tóquio, anunciou o desenvolvimento do método Scaling In-Context Imitation Learning (SAIL). A tecnologia utiliza test-time scaling e o algoritmo Monte Carlo tree search (MCTS) para refinar trajetórias de robôs através de feedback em simuladores antes da execução física.
Em testes realizados com seis tarefas de manipulação, o aumento do orçamento de busca elevou a taxa de sucesso do sistema de 25% para 73%. O trabalho científico detalhando a metodologia será apresentado na conferência IROS 2026.
Comentários
Carregando comentários...
