Ця стаття представляє модель World-Action (WAM) — регульовану діями світову модель, яка одночасно аналізує майбутні візуальні спостереження та дії, що спричиняють переходи станів. WAM інтегрує мету зворотної динаміки в DreamerV2 для прогнозування дій на основі прихованих переходів станів, заохочуючи представлення захоплювати релевантну до дій структуру. Вона оцінюється на восьми маніпуляційних завданнях з бенчмарку CALVIN, демонструючи покращений успіх клонування поведінки та точного налаштування PPO зі значно меншою кількістю кроків навчання порівняно з базовими моделями.