的排队等待。

    在网络通畅的时候，端与端之间的延迟大概在一百五十到三百毫秒之间。

    这个数字在家庭服务场景下勉强还是可以的，只是动作衔接会有一些卡顿而已。

    但是一旦网络不好那就完全不是那么回事了。

    恒科官方论坛上就有用户抱怨过，极昼一代在晚上用网高峰的时候，让它去厨房拿个东西，它都能站在客厅原地愣半天，有时候甚至会因为云端返回的指令包丢了几个导致动作做到一半停住，动作慢的象一台卡了碟的老式DVD机。

    很多用户开玩笑说这就是机器人的老年痴呆症。

    但这个问题其实不在于恒科的软件水平，他们的小智框架在推理侧做得已经很好了，真正的问题根源在于，当前整个行业都在走的端侧采集加云端推理的架构路线。

    这不是哪家公司的问题，而在于通信基础设施本身。

    现在的5G网络，理论峰值速率确实可以做到二十个G每秒，端到端的延迟已经可以压到一毫秒了。

    但是理论是一回事，实际部署是另一回事。

    Sub-6GHz频段的5G在真实环境下的延迟，算上信号在基站之间切换的抖动、骨干网的路由跳变、云端服务器的负载波动，能稳定在几十毫秒的就已经是运营商重点保障的专线了，而毫米波频段虽然延迟更低，但是覆盖范围小得象洒水车刚过就干了的地面，穿一堵墙信号就能断一半。

    象极昼一号这种家庭服务机器人，工作环境是钢筋混凝土结构的居民楼，WiFi信号穿两堵承重墙，丢包率轻轻松松就能过百分之十。

    恒科的工程师为了在这种情况下还能让机器人跑起来，已经在通信协议栈上做了非常大量优化了，前向纠错码的冗馀度调得也比行业标准高了整整一倍。

    但是这本质上是在用更多的带宽开销来对冲掉信号衰减，是治标不治本的。