HWM introduz uma estrutura de planejamento hierárquico para modelos de mundo, abordando desafios em tarefas de longo prazo ao organizar caminhos em nível de fase e gerenciar ações locais. Essa abordagem mitiga erros de previsão e reduz os custos de planejamento, permitindo um controle multietapa mais eficaz. Em experimentos, o HWM alcançou uma taxa de sucesso de 70% em tarefas do mundo real, em comparação com 0% para modelos de camada única, além de reduzir significativamente os custos computacionais. O desenvolvimento do HWM segue os avanços em modelos de mundo como o V-JEPA 2, que foca na representação e previsão do mundo. O HWM baseia-se nessas capacidades ao aprimorar o planejamento de tarefas, enquanto o WAV enfatiza a verificação e correção de distorções de previsão. Juntos, esses modelos estão mudando o foco da mera previsão para a integração de previsão, planejamento e verificação em capacidades sistêmicas coesas.