论文旨在解决基于学习世界模型(world model)的模型预测控制(model predictive control, MPC)在具身控制(embodied control)中长期规划(long-horizon planning)的难题。研究背景是：学习的世界模型在零样本(zero-shot)泛化到新环境方面很有前景，但存在两个关键挑战：
- 预测误差会随时间累积。
- 搜索空间随规划时域呈指数级增长，导致推理时规划复杂度极高。
论文提出了一种分层规划(hierarchical planning)方法，其核心是：
- 学习多个时间尺度(temporal scales)的潜在世界模型(latent world model)。
- 在这些不同尺度上进行分层规划，即高层规划提供粗略的长期子目标，低层规划执行具体的短期动作。
- 该方法是一个模块化的规划抽象(planning abstraction)，可应用于不同的潜在世界模型架构和领域。
论文的核心创新点是与现有单层世界模型规划方法相比的独特之处：
- **多尺度潜在世界模型与分层规划的结合**：通过显式地学习不同时间粒度的潜在模型，并在此分层结构上进行规划，将长时域推理分解为多个可管理的子问题。
- **显著降低规划复杂度**：分层结构将指数级增长的搜索空间转化为近似线性增长，从而大幅减少推理时的计算量（实验显示规划时间计算量减少高达4倍）。
- **实现仅依赖最终目标的零样本长时域控制**：该方法使智能体能够在仅给定最终目标（如抓取放置任务的目标位置）的情况下，在真实世界非贪婪(non-greedy)任务中成功进行长序列决策，而单层模型在此类任务上完全失败（成功率从0%提升至70%）。
论文对该领域的整体贡献是：
- **方法论贡献**：提出了一种通用、模块化的分层规划框架，能够有效缓解学习世界模型中误差累积和搜索爆炸的问题，为实现高效、可靠的长时域具身控制提供了一条新路径。
- **实证贡献**：在真实机器人抓取放置(pick-&-place)任务和多个基于物理的模拟环境（如推动操作、迷宫导航）中进行了验证，证明了该方法在提升任务成功率的同时，能显著降低规划计算成本，展示了其在实际应用中的潜力和优势。