HWM introduce una estructura de planificación jerárquica en los modelos del mundo, abordando los desafíos en tareas de largo plazo mediante la organización de rutas a nivel de fases y la gestión de acciones locales. Este enfoque mitiga los errores de predicción y reduce los costos de planificación, permitiendo un control más efectivo en múltiples etapas. En experimentos, HWM logró una tasa de éxito del 70 % en tareas del mundo real, en comparación con el 0 % de los modelos de una sola capa, además de reducir significativamente los costos computacionales. El desarrollo de HWM sigue los avances en modelos del mundo como V-JEPA 2, que se centra en la representación y predicción del mundo. HWM se basa en estas capacidades mejorando la planificación de tareas, mientras que WAV enfatiza la verificación y corrección de distorsiones en la predicción. Juntos, estos modelos están cambiando el enfoque de la mera predicción a la integración de predicción, planificación y verificación en capacidades sistémicas cohesivas.