Die Forschungsgruppe DeepMind von Google arbeitet daran, einen KI-Agenten namens SIMA (Skalierbarer, Anweisbarer, Mehrwelten-Agent) zu entwickeln, der nicht nur darauf trainiert ist, in bestimmten Spielen zu gewinnen, sondern auch darauf, auf natürlichsprachliche Befehle in beliebigen generischen 3D-Umgebungen zu reagieren. Das Ziel ist es, KI-Agenten zu schaffen, die instruierbar und interaktiv sind und sich in kooperativen Spielsituationen wie glaubwürdige Partner verhalten. SIMA wurde an neun verschiedenen Open-World-Spielen trainiert, wobei der Fokus auf dreidimensionalen Spielen liegt, die aus der Ich- oder Third-Person-Perspektive gesteuert werden.

Der Agent ist für Echtzeit-Spiele konzipiert und verwendet nur Bildschirmpixel als Eingabe, um den Ansatz nachzuahmen, den Menschen seit Jahrzehnten beim Spielen von Videospielen nutzen. Indem SIMA Videoaufnahmen von menschlichem Gameplay und dazugehörige natürlichsprachliche Beschreibungen als Trainingsdaten verwendet, soll er lernen, Anweisungen in verschiedenen Spielumgebungen zu verstehen und darauf zu reagieren.