في عالم الذكاء الاصطناعي، تعد نماذج العالم (World Models) أدوات حيوية تمكّن الوكلاء من التخطيط استناداً إلى الحالة الفيزيائية المتوقعة. لكن هذه الحالة قد تتغير وتخرج عن السيطرة، مما يجعل إعادة الملاحظة أمراً مكلفاً ويؤدي إلى تأخيرات غير مرغوبة. هنا يظهر الابتكار الجديد: TRACE-RealWorld أو ما يعرف اختصاراً بـ TRW.

تُعتبر TRW أول عقد تزامني على مستوى الالتزام لنماذج العالم، حيث يعامل الحالة المتوقعة كأنها عرض مُدخَل، ويُعطى التفويض الجسدي لقبول المشاهدة، والذي يمكن أن تنتهي صلاحيته. تقدم TRW الأمان من خلال تقديم ادعاءات مُدققة ومُقيَّمة تحدد المصير المتعلق بالنضج، وتتضمن تحققاً بأسعار محددة.

إحدى ميزات هذه التقنية الجديدة هي التحديث التكيفي (Adaptive Refresh)، الذي يُعمّق بين عمليات التزام الثنائي لنموذج كالمان لضمان تشاور مستمر مع العالم الخارجي لتمييز القرارات المصيرية. بالإضافة إلى ذلك، يوفر نظام التعويض SagaLLM إصلاحات للتزامات القابلة للعكس التي تم إبطالها بعد التفويض.

تحت افتراضات خاصة بخطر الأحداث وموثوقية الانتعاش، تم إثبات أن التزامن والتعويض بمفردهما غير كافيين، بينما تركيبة هذه العمليات تعطي ضمانات شرطية للتناسق.

تم تطبيق TRW في Flood-SAR، وهو محاكي للبحث والإنقاذ يعتمد على جغرافيا حقيقية، واختُبرت ستة أسئلة تم تسجيلها مسبقاً في مراحل تشغيل مجمدة. أظهرت النتائج أن التحديث التكيفي يقلل من التنفيذ القديم ولكنه لا يتفوق على التحديث الثابت من حيث التكلفة أو النتائج.

تُخفّض الإصلاحات المحلية العمل المطلوب للإصلاح بمعدل 9.56 وحدة لكل مهمة، وتقصر زمن الاستعادة بمعدل 80.7 ثانية مقارنةً بالاستعادة العالمية. بينما كانت تغطية الكشف بين 0.83 و0.89، إلا أن عشرة من 97 استعادة تمت كانت غير مكتملة في نهاية المهمة. يُظهر هذا الابتكار كيف يمكن تحويل نموذج العالم إلى واجهة توقعات قابلة للتدقيق بدلاً من مصدر ذاتي التحقق من الصحة.