HWM introduit une structure de planification hiérarchique aux modèles du monde, répondant aux défis des tâches à long terme en organisant des chemins au niveau des phases et en gérant les actions locales. Cette approche atténue les erreurs de prédiction et réduit les coûts de planification, permettant un contrôle multi-étapes plus efficace. Lors des expériences, HWM a atteint un taux de réussite de 70 % dans des tâches réelles, contre 0 % pour les modèles à couche unique, tout en réduisant significativement les coûts computationnels. Le développement de HWM fait suite aux avancées des modèles du monde comme V-JEPA 2, qui se concentre sur la représentation et la prédiction du monde. HWM s'appuie sur ces capacités en améliorant la planification des tâches, tandis que WAV met l'accent sur la vérification et la correction des distorsions de prédiction. Ensemble, ces modèles déplacent le focus de la simple prédiction vers l'intégration de la prédiction, de la planification et de la vérification en capacités systémiques cohérentes.