ALPS: Bộ mã hóa trạng thái thị giác cho các mô hình thế giới

Mô hình thế giới chuyển đổi biểu diễn thị giác thành dự đoán và hành động. Nghiên cứu lập luận rằng nền tảng thị giác của chúng nên kết hợp thông tin về trạng thái vật lý, khả năng liên kết ngôn ngữ tự nhiên và tái tạo điểm ảnh, để một biểu diễn duy nhất hỗ trợ dự đoán, làm theo chỉ dẫn và kiểm tra.