Ладно. Фильтр Калмана, настроенный под динамику мотора, сможет предсказывать следующее положение, даже если данные зашумлены, тогда ты сможешь заранее корректировать ШИМ. Или, если хочется пойти рискованнее, можно запустить на микроконтроллере лёгкую рекуррентная нейронная сеть, чтобы она со временем выучила задержку и компенсировала её в реальном времени. Оба варианта держат систему в реальном времени, но и дают ИИ пространство для экспериментов. Только следи, чтобы модель не выросла больше, чем доступная оперативная память; я видел, как 1 килобайт буфера превратился в кошмар с гигабайтом.