Niektóre aksjomaty logiki zdań dla świata wumpus zostały podane w rozdziale 7 . Aksjomaty pierwszego rzędu w tej sekcji są znacznie bardziej zwięzłe, oddające w naturalny sposób dokładnie to, co chcemy powiedzieć. Przypomnij sobie, że agent wumpus otrzymuje wektor percepcji z pięcioma elementami. Odpowiednie zdanie pierwszego rzędu przechowywane w bazie wiedzy musi zawierać zarówno percept, jak i czas, w którym nastąpiło; w przeciwnym razie agent będzie zdezorientowany, kiedy zobaczy co. W krokach czasowych używamy liczb całkowitych. Typowym zdaniem percepcyjnym byłoby:
Tutaj Percept jest predykatem binarnym, a Stench i tak dalej są stałymi umieszczonymi na liście. Działania w świecie wumpus można przedstawić za pomocą terminów logicznych:
Aby określić, który z nich jest najlepszy, program agenta wykonuje zapytanie
który zwraca listę powiązań, taką jak . Program agenta może następnie powrócić jako działanie do wykonania. Surowe dane percepcyjne implikują pewne fakty dotyczące obecnego stanu. Na przykład:
i tak dalej. Reguły te przejawiają trywialną formę procesu rozumowania zwanego percepcją, którą szczegółowo przeanalizujemy w rozdziale 25 . Zwróć uwagę na kwantyfikację w czasie. W logice zdaniowej potrzebowalibyśmy kopii każdego zdania dla każdego kroku czasowego. Proste zachowanie „odruchowe” można również zaimplementować za pomocą skwantyfikowanych zdań implikacyjnych. Na przykład mamy
Biorąc pod uwagę poglądy i zasady z poprzednich akapitów, doprowadziłoby to do pożądanego wniosku BestAction(Grab,5)- jest to słuszne posunięcie. Przedstawiliśmy wejścia i wyjścia agenta; teraz nadszedł czas na reprezentowanie samego środowiska. Zacznijmy od przedmiotów. Oczywistymi kandydatami są kwadraty, doły i wumpus. Moglibyśmy nazwać każdy kwadrat – Square1,2 i tak dalej — ale wtedy fakt, że Square1,2 i Square1,3 są sąsiadujące, musiałby być faktem „dodatkowym” i potrzebowalibyśmy jednego takiego faktu dla każdej pary kwadratów. Lepiej jest użyć złożonego terminu, w którym wiersz i kolumna występują jako liczby całkowite; na przykład możemy po prostu użyć terminu listy [1,2]. Sąsiedztwo dowolnych dwóch kwadratów można zdefiniować jako
Moglibyśmy nazwać każdy dół, ale byłoby to niewłaściwe z innego powodu: nie ma powodu, aby rozróżniać doły. Łatwiej jest użyć jednoargumentowego predykatu Pit, który jest prawdziwy dla kwadratów zawierających wgłębienia. Wreszcie, ponieważ istnieje dokładnie jeden wumpus, stały Wumpus jest tak samo dobry jak orzeczenie jednoargumentowe (i być może bardziej dostojne z punktu widzenia wumpusa). Lokalizacja agenta zmienia się w czasie, dlatego piszemy At(Agent,s,t) w celu oznaczenia, że agent jest w punkcie kwadratowym s w czasie t . Możemy na zawsze naprawić wumpusa w określonej lokalizacji za pomocą 
Możemy wtedy powiedzieć, że obiekty mogą znajdować się tylko w jednym miejscu na raz:
Biorąc pod uwagę jego aktualną lokalizację, agent może wywnioskować własności kwadratu z własności jego aktualnej percepcji. Na przykład, jeśli agent znajduje się na kwadracie i widzi powiew, to ten kwadrat jest przewiewny:
Warto wiedzieć, że kwadrat jest przewiewny, ponieważ wiemy, że doły nie mogą się poruszać. Zauważ, że Breezy nie ma argumentu dotyczącego czasu. Po odkryciu, które miejsca są przewiewne (lub śmierdzące) i, co bardzo ważne, nie przewiewne (lub nie śmierdzące), agent może wydedukować, gdzie są doły (i gdzie jest wumpus). Podczas gdy logika zdań wymaga oddzielnego aksjomatu dla każdego kwadratu i wymagałaby innego zestawu aksjomatów dla każdego geograficznego układu świata, logika pierwszego rzędu potrzebuje tylko jednego aksjomatu:
Podobnie w logice pierwszego rzędu możemy określić ilościowo w czasie, więc potrzebujemy tylko jednego aksjomatu stanu następcy dla każdego predykatu, a nie innej kopii dla każdego kroku czasowego.
Z tych dwóch przykładowych zdań widać, że sformułowanie logiki w rozdziale 7 . Czytelnik proszony jest o skonstruowanie analogicznych aksjomatów dla lokalizacji i orientacji agenta; w tych przypadkach aksjomaty dotyczą zarówno przestrzeni, jak i czasu. Podobnie jak w przypadku estymacji stanów zdań, agent może użyć logicznego wnioskowania z tego rodzaju aksjomatami, aby śledzić aspekty świata, które nie są bezpośrednio obserwowane.