论文导读
中科院自动化所、中国科学院大学、中国科学技术大学、中关村学院等机构提出StreamingWAM，让机器人持续保留并修正尚未执行的动作，减少每一轮从头规划的等待。在RTX 5090实机配置下，稳态重规划延迟为57.3毫秒。移动苹果、追逐小车等任务中，机器人一边执行眼前动作，一边接上后面的计划。
苹果在动，旧计划别每轮全丢掉
传送带把苹果往前送，机械臂需要边观察边调整抓取。普通动作生成会在每次重规划时重新生成整段动作，执行前面一小段后，剩下的又被丢掉。新旧两段也可能在接缝处方向突然变化。
图：三个关键画面展示机械臂接近传送带上的苹果、抓取并转移的过程。
StreamingWAM保留一个未来动作缓冲。马上要执行的动作已准备好，更远的动作仍在逐步修正；每得到新观察，就把队列往前推并更新一次。眼前动作执行完，后面的计划已经经历了之前几轮计算，无须又从完全随机的状态开始。
论文的实机计时为57.3毫秒稳态重规划，一次更新落在15Hz控制循环的66.7毫秒预算内。首次热启动另需436.8毫秒：系统开始时仍得准备第一份完整计划，不能把57.3毫秒当成从开机到第一动作的时间。
刚做过什么，下一段也得知道
除了保留未执行计划，模型还读取最近实际执行的动作与密集视频历史。前者给下一段动作一个干净的起点，后者提供物体怎样移动的线索。只看一帧能找到苹果，却很难分清它往哪个方向、以怎样的速度运动。
图：方法图对比完整重算动作与滚动保留、逐步修正未来动作的过程。
不同时间位置的未来动作处于不同修正阶段。靠近执行端的准备得更充分，远处保留更大的调整余地。每轮只做一次共同更新，执行端的动作随后被取出，末尾再补新位置，形成不断滚动的过程。
这一次更新不是把普通方法的十步计算直接砍成一步就完事。它依靠跨调用保留的缓冲，把多轮修正分摊到执行过程中。论文的计时对照也指出，单次更新本身未必更便宜，稳态收益主要来自每次不用重复完整计算。
在仿真动作连续性对照中，重规划边界相对内部动作的跳变比从1.840降到1.105，平移命令的离散变化也下降。这里检查的是控制命令的连续程度，不是直接测得机械臂的物理加速度或接触安全性。
移动目标与多步骤操作分别检验
五项实机操作各测试50次，StreamingWAM合计完成168次，即67.2%；最强合计对照完成120次。传送带抓苹果为32/50，小车上的苹果为20/50，论文相应基线的最好结果为15/50和8/50。
图：柱状图分别比较五项操作的成功次数及亮灯按钮的有效按压总数。
称重再把苹果放进碗里的任务完成42/50次。它除了需要对位置及时反应，还得保持“是否已经称过重”的短期任务进度。论文把这些优势解释为低延迟、近期观察与动作历史的共同作用，没有用单个定性视频证明某一项机制独自贡献了全部收益。
模型也测试了打亮灯按钮，每次30秒的50场测试中有效按压总计424次。这个计数与五项抓取任务的成功率分别报告，不能混成一个六任务百分比。
实机对照的预测长度、执行安排及动态任务采样步数存在差异，因此延迟倍数属于整套部署配置的比较。已确认的操作方式是，第一份计划准备好后保留未来动作，每次新观察只续接与修正一轮，让机械臂不用在每个短动作之后重新等待整段计划。
参考资料
https://arxiv.org/abs/2610.15585
https://arxiv.org/html/2610.15585
https://arxiv.org/pdf/2610.15585
