在控制器极限内重新定时演示，实现更快的模仿学习

研究提出一种单参数的重定时规则：只要合并后的指令仍在底层控制器单周期位移上限内就贪心合并，从而避免因超出物理可实现范围导致的策略崩溃。在四个模拟 robomimic 任务上，合并上限为 2 时成功率均不低于原策略，Square 任务提升 14 点并缩短成功回合；在模拟人形全身跟踪器上，429 段参考动作以 2.3 倍速重定时后 71% 的片段成功，而均匀时间缩放在 2 倍速下为 51%。