Title: A Latency-Aware Framework for Visuomotor Policy Learning on Industrial Robots
Authors: Daniel Ruan, Salma Mozaffari, Sigrid Adriaenssens, Arash Adel
arXiv: https://arxiv.org/abs/2602.14255
Problem framing
工业机器人链路时延远高于实验室平台，直接套标准 visuomotor policy 容易出现观测-执行错位与动作抖振。本文聚焦“系统时延建模+执行调度”而非单纯换模型。
Core method
构建 latency-aware 执行框架：统一感知时间戳、异步推理与可行时域动作调度，在不改策略结构下缓解高时延影响。
Key equations and mechanisms
核心可抽象为“时域可行性约束下的动作片段选择”：仅执行在当前时间窗内仍可满足动态可行性的预测动作段。
Experiment reading guide
关注与 blocking/naive async 的对照：平滑性、接触稳定性、空转时间和任务推进一致性。
Limitations
该框架并不直接提升策略上限，更偏部署工程层；对极端网络抖动场景的鲁棒边界仍需量化。
Future work
可结合延迟预测器与不确定性估计，形成自适应 horizon 调度。
Replication angle
复现时先固定同一策略与传感链路，仅改变执行调度模块，避免把收益误记到模型本身。
Figure links
- arXiv 页面无稳定直链图片
- https://arxiv.org/pdf/2602.14255.pdf (Fig.1, p1)
Graph: Paper Node 2602.14255