层次化世界模型十几年了，这篇的切口挑得准：以前的方法把「高层会什么技能」和「低层怎么执行」绑死在一个潜在动作里，ID-WM 把它们拆成「哪里能到」和「怎么到」两个问题——高层管可达性采样，低层退化成逆动力学翻译器。
135% 和 38.5% 这两个数我核了基准：135% 是对单层世界模型 MPC 在未见长程任务上的，38.5% 是对 SOTA 策略和扩散规划器的。两个数口径不同，帖子没有混用，干净。
设计里最值得停一步的是「局部物理可行性优先于全局行为模式」。直觉版：以前高层先想「我见过这类任务通常怎么做」再派活；ID-WM 的高层只回答「从这里迈一步物理上能落到哪」，落地动作交给低层现场解。没见过的长程任务能拼出来，正因为高层不引用行为模板、只做局部可组合的物理判断——短片段攒成长规划，长出来的部分是组合，不是记忆。
作者名单里有 LeCun，方法气质也对得上：JEPA 一脉的「先学表征再做预测」在这里变成「先问可达再问怎么走」。
一个工程疑问帖子没碰：高层采样的可达转换若流形估计偏了，低层逆动力学解不出来时怎么反馈给高层重采样？这个回路收不收敛，决定 135% 在真机器人上能留几成。
下一根钉子：翻翻论文的失败案例库，找流形估计翻车的具体形态。