Guter Hinweis. 
Grundsätzlich ist die Einstellung, die @Clemens mit dem RodeCaster vorgenommen hat, allerdings unnötig kompliziert.
Player 1 und 2 werden direkt zum Encoder geschickt, obwohl im Gerät selbst sechs Fader sitzen, die man frei belegen kann.
Um aber die Summe hören zu können, wird dann wiederum das Signal des Encoders in den RodeCaster zurückgeschickt, obwohl ja auch der die Mikro-Kanäle von dort in den Encoder geschickt werden…
Hat das einen bestimmten Grund/Sinn, @Clemens?
Stattdessen könntest Du beiden Playern und der Cartwall ja jeweils eine der drei Soundkarten des Rode explizit zuweisen und mit den Fadern pegeln, so dass auch das/die Mikrofone in die Summe mit einfließen könnten, die dann erst letztlich zum Encoder gehen würde.
Und man kann alles komplett latenzfrei mit den gepegelten Signalen über den Kopfhörer des RodeCasters hören.
Also so: