World Action Models (WAMs) adressieren eine grundlegende Schwäche heutiger Robotik-KI: Aktuelle Modelle erlernen lediglich, welche Bewegungen zu welchen Kamerabildern passen, verstehen aber nicht, wie sich die Welt durch eine Aktion tatsächlich verändert. Ein neues Survey-Paper strukturiert rund 100 Forschungsarbeiten in diesem Bereich und identifiziert zwei dominante Architekturlinien. Ein zentraler Vorteil dieser Modelle liegt in der Datenbasis: Anders als herkömmliche Robotik-Ansätze, die auf aufwendig annotierten Roboter-Aktionsdaten angewiesen sind, können WAMs aus gewöhnlichen Alltagsvideos ohne Action-Labels lernen. Diese Datensorte war für traditionelle Robotik-KI bisher weitgehend unbrauchbar. Durch die Fähigkeit, Konsequenzen von Aktionen intern zu simulieren, bevor sie ausgeführt werden, eröffnet sich ein neues Paradigma für robusteres und generalisierbareres Roboterlernen.