本文解决了如何从不确定性区域产生光滑的插值曲线的问题。为此，我们正式化了实时插值器（RTI）的概念：可训练的复发单元，可重建与接收到的不确定性区域以在线方式一致的光滑信号。更具体地说，RTI在揭示不确定性区域后立即重建信号部分的要求（零延迟），而无需更改前面部分中的重建信号。尤其是，这项工作制定了基于样条的RTI的设计，并提出了一个数据驱动的训练程序，该程序将插值信号的平均曲率最小化了一组示例序列。这些序列代表了要插值的数据序列的性质，从而使RTI定制为任何特定的信号源。由于其模块化结构，我们的总体设计允许不同的方案，但是在这项工作中，我们提出了两种方法，即参数化的RTI和基于RNN）基于RNN的RTI，包括其结构和属性。实验结果表明，可以训练两个提出的RTI，以提高相对于近视型RTI的提高性能（就曲率损失度量而言），该RTI仅在每个时间步骤中利用本地信息，同时保持光滑的，零 - 零票，，和一致性要求。