真实机器人接收信息，很像几个人不同时回消息：相机刚更新，触觉和关节状态可能还是上一刻的读数。模拟器却常把所有观测整齐地同时交给模型。Anand 等人的工作追问：世界模型——根据当前信息预测系统接下来如何变化的模型——怎样面对这种时间错位？
他们采用零阶保持：新读数到来前继续沿用最近一次测量，同时告诉模型两件事——这条读数已经“旧”了多久，以及距离下次刷新还有多久。实验用参数量一致的 Transformer 世界模型，覆盖 MuJoCo 运动预测、模型预测控制，以及刷新时刻会触发执行器更新的线性系统。
最值得注意的结论是：知道“下次何时刷新”并非总能改善预测。作者称，当刷新只是报告状态时，这项信息在开放式预测中没有可测收益；只有当刷新事件会实际改变系统，例如决定执行器何时采用新指令，它才明显有用，而且刷新越难预测，作用越大。换句话说，时间表必须进入因果链，才不只是日程提醒。