นักวิจัยได้พัฒนา 'Interactive World Simulator' ซึ่งเป็นโมเดลเรียนรู้ที่สามารถทำนายวิดีโอเฟรมถัดไปตามการกระทำของหุ่นยนต์ (Action-conditioned) ได้โดยตรงในระดับพิกเซล โดยไม่ต้องอาศัยการเขียนโปรแกรมด้านฟิสิกส์ แรงเสียดทาน หรือเรขาคณิตที่ซับซ้อน ระบบนี้มีความเสถียรสูงจนสามารถโต้ตอบได้นานกว่า 10 นาทีที่ความเร็ว 15 FPS โดยใช้เพียงการ์ดจอระดับผู้บริโภคอย่าง RTX 4090 เพียงตัวเดียว
จุดเด่นที่สำคัญคือความสามารถในการนำไปใช้ฝึกหุ่นยนต์ผ่านข้อมูลสังเคราะห์ (Synthetic Data) ได้ 100% โดยจากการทดลองพบว่าหุ่นยนต์ที่ฝึกใน Simulator นี้สามารถนำไปใช้งานในโลกจริงได้ทันทีและมีความทนทานต่อการรบกวนจากมนุษย์ นอกจากนี้ ระบบยังใช้เป็นเครื่องมือมาตรฐานในการประเมินประสิทธิภาพของหุ่นยนต์ (Policy Evaluation) ที่ให้ผลลัพธ์สอดคล้องกับการทดสอบในโลกจริง ช่วยลดภาระในการเตรียมอุปกรณ์และสภาพแวดล้อมจริงที่มักจะเสียหายหรือเปลี่ยนแปลงได้ง่าย
