Googles DeepMind-forskningsgruppe arbejder på at udvikle en AI-agent kaldet SIMA (Skalerbar, Instruerbar, Multiworld Agent), der trænes til ikke kun at vinde i specifikke spil, men også til at reagere på naturlige sprogkommandoer i enhver generisk 3D-miljø. Målet er at skabe AI-agenter, der kan instrueres og interagere med og agere som troværdige partnere i samarbejdsspilssituationer. SIMA er blevet trænet i ni forskellige open-world spil med fokus på tre-dimensionelle spil styret fra et førstepersons- eller tredjepersons perspektiv.

Agenten er designet til at arbejde med realtids-spil og bruger kun skærmens pixels som input, hvilket efterligner den tilgang, mennesker har brugt til at spille videospil i årtier. Ved at bruge videomateriale af menneskers spil og tilhørende naturlige sprogbeskrivelser som træningsdata, sigter SIMA efter at lære at forstå og reagere på instruktioner i en række spilmiljøer.