arXivは2026年10月19日(現地時間)、アクション実行前に結果を予測する「想像力」を持つエージェントの訓練フレームワーク「Agentic Imagination (Agima)」に関する論文を発表した。Agimaは、フィードバックが希薄でアクションが不可逆な環境において、エージェントが行動の帰結を予測し、誤りを避ける能力を向上させることを目指す。
このフレームワークは、単一のオムニモデル（omni model）を訓練し、行動の提案、その結果の画像生成、そして想像された未来の推論を行う。これにより、エージェントは単一の計画に固執することなく、一連のアクションをシミュレートし、代替案を探索し、複数の将来の可能性を比較検討できる。
Agimaの訓練プロセスは二段階で構成される。まず、教師ありファインチューニング (SFT) を用いて、ポリシーとワールドモデリングを単一のオムニモデルに統合する。これはエージェントに、順方向予測や反事実的分岐といった基本的な想像力を付与する。次に、エージェント型強化学習 (RL) を導入し、エージェントが想像された未来を活用して効果的にプランニングを行う方法を学習させる。
AgimaはMaze2D、Sokoban、Pacman、PushTの四つの環境でテストされ、訓練中に未見のより困難な設定に対しても一般化する能力を示した。例えば、SFTのみで2ボックスSokobanにおいて訓練されたAgimaは、リアルボードを5手ごとに1回しか参照しない状況で、4ボックスパズルの40%を解決した。これはアクションのみのプランナーが解決した2%と比較して顕著な改善である。RLの適用後には、Agimaの想像力の活用方法に新たな行動が出現し、SFT段階では見られなかった新しい統一形式を学習し、必要な場合にのみ順方向予測を行い、重要な決定点でより頻繁に分岐するようになった。
参考: arXiv cs.AI (アーカイブ) — 2026年10月20日 02:59 (JST)
原文ハイライト"Agima trains a single omni model to propose actions, generate images of their outcomes"