GM CT Навчання моделей втіленого ШІ на сирових відеопотоках відоме своєю низькою ефективністю, оскільки 90% пікселів у сусідніх кадрах є надлишковим фоновим шумом. Постійне надання однакових статичних стін споживає обчислювальні ресурси моделі, не навчаючи машину нічого нового про просторову фізику. Я слідкую за тим, як @vangrid_io вирішує цю проблему за допомогою вибору ключових кадрів за ентропією. Їхній стек завантаження фільтрує кадри з високою інформаційною дельтою, виділяючи динамічні зміни стану та критичні зміни кута огляду перед подачею у просторовий конвеєр. Ефективність у фізичному ШІ побудована на токенізації новизни, а не на накопиченні повторюваних пікселів.