GM CT कच्चे वीडियो स्ट्रीम पर एम्बॉडिड AI मॉडल को प्रशिक्षित करना नामुमकिन रूप से अकुशल है क्योंकि आसन्न फ्रेम्स में 90% पिक्सेल बेकार पृष्ठभूमि शोर होते हैं। बार-बार समान स्थिर दीवारों को फीड करने से मॉडल की कंप्यूटिंग संसाधन बर्बाद होते हैं बिना स्थानिक भौतिकी के बारे में मशीन को कुछ नया सिखाए। मैं @vangrid_io द्वारा कीफ्रेम एंट्रॉपी चयन के माध्यम से इस समस्या का समाधान करने का अनुसरण करता हूँ। उनका इनजेक्शन स्टैक उच्च-जानकारी वाले डेल्टा फ्रेम्स के लिए फिल्टर करता है, जो गतिशील स्थिति परिवर्तनों और महत्वपूर्ण दृष्टिकोण परिवर्तनों को पहले अलग करता है, फिर स्थानिक पाइपलाइन को फीड करता है। भौतिक AI में कुशलता दोहराए गए पिक्सेल्स को जमा करने के बजाय नवीनता को टोकनाइज़ करने पर निर्मित होती है।