盲执行间隔（BEI）
盲执行间隔（Blind Execution Interval, BEI）是机器人策略预测一个动作块并以开环方式执行时形成的间隔。由于新的传感器观测无法改变已经发给机器人的指令序列，一个瞬态事件——一声提示音、一次咔哒、一阵晃动、一次碰撞——可能完全在这个间隔内发生并结束，从未影响任何决策。
间隔从何而来
现代机器人策略规模很大，无法以控制频率运行。标准解法是动作分块：预测一小段未来动作，然后不等新传感器更新就执行，以此掩盖推理延迟并保持运动平滑。这个间隔不是某个具体实现的 bug，而是架构的结构性后果。
在作者的 Franka Panda 部署上，实际执行的单个动作块时长约 2.1 秒，有效 BEI 约 2.3 秒——也就是说，大约有四分之一的时间里，机器人正在基于一个它已无法更新的观测行动。
为什么视觉能容忍而音频不能
视觉与听觉信息在时间上的分布方式恰好相反。物体是持续的：一秒前开着的抽屉现在仍然开着，所以陈旧的图像是退化而非空白。声学事件不持续。一次完成提示音持续不到一秒；一旦过去，任何后续的观测窗口都不包含它。因此无记忆的音频接口收到的不是“这条线索的陈旧版本”，而是什么都没有。
为什么提高查询频率不是解法
把 BEI 当作延迟问题、靠更频繁地查询来攻击它，是很自然的想法。这有帮助，但无法闭合空档：感知、预处理、推理、通信与执行延迟始终存在，而激进的重规划会引入不连续与机器人自噪声——当机器人正在努力聆听时，这恰恰适得其反。论文的结论是瓶颈在于证据保持：一段短促的声学事件必须在它发生后的第一个决策边界上仍然可用。
同一家族中的相关问题
关于异步推理、实时分块、自适应动作块长度与推测式执行的工作，从调度一侧处理同一个空档——改变策略何时运行。BEI 提出了互补的问题：在它不运行的时候丢失了哪些证据。两者都是真问题，修好其中一个并不会修好另一个。
HEAR 如何应对
HEAR 的 Historizer 是一个流式有状态 Transformer，跨越执行空档维护紧凑的因果音频记忆，使一段已经从音频流中消失的线索仍然能够影响下一次决策。它是消融实验中最重要的组件：移除后 HEAR-Bench 平均成功率从 0.81 降至 0.57。