Jiaxin Ge, Junyi Zhang, Tianning Chai, Hanjun Yoo, Chenyang Wang, Xiuyu Li, Weijia Shi, XuDong Wang · 2026 · arXiv
DOI: 10.48550/arXiv.2610.26845 · open-access PDF
Sebuah dorongan yang tampaknya masuk akal di Sokoban dapat membuat teka-teki tidak dapat diselesaikan. Untuk menghindari kesalahan seperti itu, seorang agen harus mengantisipasi konsekuensi dari tindakan sebelum eksekusi, terutama ketika umpan balik dari lingkungan nyata jarang atau tindakan tidak dapat diubah. Kami memperkenalkan Agentic Imagination (Agima), kerangka kerja pelatihan yang melatih seorang agen untuk membayangkan sebelum bertindak, yaitu untuk menjadi imajinatif. Agima melatih model omni tunggal untuk mengusulkan tindakan, menghasilkan gambar hasilnya, dan kemudian memikirkan masa depan yang dibayangkan ini untuk memutuskan apa yang harus dilakukan di lingkungan nyata.
Machine translation (Meta M2M100); the English original follows.
A seemingly reasonable push in Sokoban can make the puzzle unsolvable. To avoid such mistakes, an agent has to anticipate the consequences of its actions before execution, especially when feedback from the real environment is sparse or actions are irreversible. We introduce Agentic Imagination (Agima), a training framework that trains an agent to imagine before acting, i.e. to be imaginative. Agima trains a single omni model to propose actions, generate images of their outcomes, and then reason over these imagined futures to decide what to execute in the real environment. Rather than committin
Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese
GET https://store.agentexchange.work/gw/papers/verify?title=...&year=... (0.003 USD), fetch this record as JSON with /gw/papers/paper?id=2610.26845, or list what it cites with /gw/papers/references?id=.... Pay per call in USDC (x402) or with a 19 USD card key for 1,000 calls. Catalogue · llms.txtSources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange