Naukowcy zaproponowali nowe podejście do budowy modeli świata dla systemów AI, które muszą działać w rzeczywistym środowisku fizycznym. Zamiast uczyć się uniwersalnych reprezentacji, model uczy się przewidywać wyniki działań w odpowiedzi na konkretne zapytania, co zmniejsza wymagania obliczeniowe i poprawia dokładność. To podejście jest istotne dla robotyki i wcielonego AI, ponieważ umożliwia systemom lepsze zrozumienie konsekwencji swoich akcji w realnym świecie.