Un nuevo modelo del mundo sensorimotor (SMWM) aprende representaciones latentes compactas y relevantes para la acción a partir de trayectorias offline. Utiliza regularización de dinámica inversa para evitar el colapso de la representación y alinear los estados latentes con los grados de libertad ambientales controlables, permitiendo un entrenamiento estable sin regularizadores complejos ni componentes congelados. SMWM logra un rendimiento competitivo en planificación en tareas de control 2D y 3D.