机器人一次规划好一串动作，就像端着水杯闭眼走完几步：省事，但杯子滑了、手碰到障碍，它仍可能照旧执行。πR²针对的正是这个问题。动作分块——一次生成未来一小段连续动作——能减少大模型调用，却容易变成开环控制，也就是执行途中不根据新反馈纠正。
它最关键的一步，是把传感输入拆成快慢两路。视觉和语言交给较慢的大模型异步更新，用来把握整体任务；关节位置、速度、力矩和接触力等本体感觉，则在每个控制周期刷新，负责及时修正局部动作。生成动作时，πR²还采用按延迟调整的流策略——从粗略动作序列逐步细化的生成方法——把已经在执行的动作当作已知条件，每次调用只做一步细化。
作者将其用于 GR00T-N1.7，并在 A5000 GPU 上以 25 Hz 闭环重规划，即每 40 毫秒使用一次新观测；论文举出的常规分块重规划频率约为 7 Hz。换句话说，它没有丢掉大模型和动作分块，却让机器人在动作块尚未跑完时重新“听见”身体反馈。